Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Lung Tumor Motion Prediction by Neural Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F12%3A00196637" target="_blank" >RIV/68407700:21220/12:00196637 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Lung Tumor Motion Prediction by Neural Networks

  • Popis výsledku v původním jazyce

    In tracking radiotherapy, the respiratory motion of the lungs affects the precision of the radiation dose delivered into a moving lung tumor. Thus, it has been complicated to synchronize the radiation beam with the tumor position. For medical treatment,there is an objective to minimize inaccurate delivery of doses to healthy tissues surrounding the lung tumor during radiotherapy. In order to improve the efficiency of radiation tracking therapy, this thesis presents a study of neural-network predictiontechnique with retraining for real time prediction of lung tumor motion position. The study focuses not only on the classical perceptron model, but also on a class of higher-order neural network model, which has more attractive attributes regarding its optimization convergence and computational efficiency, which are discussed in detail in the thesis. The implemented static feed-forward neural architectures used the Levenberg-Marquardt algorithm, and the presented modification resulted in

  • Název v anglickém jazyce

    Lung Tumor Motion Prediction by Neural Networks

  • Popis výsledku anglicky

    In tracking radiotherapy, the respiratory motion of the lungs affects the precision of the radiation dose delivered into a moving lung tumor. Thus, it has been complicated to synchronize the radiation beam with the tumor position. For medical treatment,there is an objective to minimize inaccurate delivery of doses to healthy tissues surrounding the lung tumor during radiotherapy. In order to improve the efficiency of radiation tracking therapy, this thesis presents a study of neural-network predictiontechnique with retraining for real time prediction of lung tumor motion position. The study focuses not only on the classical perceptron model, but also on a class of higher-order neural network model, which has more attractive attributes regarding its optimization convergence and computational efficiency, which are discussed in detail in the thesis. The implemented static feed-forward neural architectures used the Levenberg-Marquardt algorithm, and the presented modification resulted in

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    JB - Senzory, čidla, měření a regulace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů