Study of Learning Entropy for Novelty Detection in lung tumor motion prediction for target tracking radiation therapy
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F14%3A00224858" target="_blank" >RIV/68407700:21220/14:00224858 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6889834" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6889834</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/IJCNN.2014.6889834" target="_blank" >10.1109/IJCNN.2014.6889834</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Study of Learning Entropy for Novelty Detection in lung tumor motion prediction for target tracking radiation therapy
Popis výsledku v původním jazyce
This paper presents recently introduced concept of Learning Entropy (LE) for time series and recalls the practical form of its evaluation in real time. Then, a technique that estimates the increased risk of prediction inaccuracy of adaptive predictors inreal time using LE is introduced. On simulation examples using artificial signal and real respiratory time series, it is shown that LE can be used to evaluate the actual validity of the adaptive predicting model of time series in real time. The introduced technique is discussed as a potential approach to the improvement of accuracy of lung tumor tracking radiation therapy.
Název v anglickém jazyce
Study of Learning Entropy for Novelty Detection in lung tumor motion prediction for target tracking radiation therapy
Popis výsledku anglicky
This paper presents recently introduced concept of Learning Entropy (LE) for time series and recalls the practical form of its evaluation in real time. Then, a technique that estimates the increased risk of prediction inaccuracy of adaptive predictors inreal time using LE is introduced. On simulation examples using artificial signal and real respiratory time series, it is shown that LE can be used to evaluate the actual validity of the adaptive predicting model of time series in real time. The introduced technique is discussed as a potential approach to the improvement of accuracy of lung tumor tracking radiation therapy.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Neural Networks (IJCNN), 2014 International Joint Conference on - Scopus ISBN
ISBN
978-1-4799-1484-5
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
3124-3129
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
Beijing
Datum konání akce
6. 7. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—