כתבה
arXiv cs.LG ·
SynthRCT: ייצור רצפי CT סינתטיים תת-תנאי
SynthRCT: Scalable Conditional Deformation Synthesis for Synthetic Repeat CT Generation
SynthRCT היא פרקטיקה ייצור רצפי CT סינתטיים תת-תנאי, המאפשרת ייצור רצפי CT סינתטיים תת-תנאי. הפרקטיקה משתמשת בטכנולוגיית Autogen ו-Deepseek כדי לייצר רצפי CT סינתטיים תת-תנאי. זוהי פרקטיקה חדישה שמאפשרת ייצור רצפי CT סינתטיים תת-תנאי בצורה יעילה ומהירה.
תקציר מקורי באנגליתarXiv:2609.08627v1 Announce Type: cross Abstract: In proton therapy, plans are typically optimized on a single planning CT, making robustness evaluation essential under anatomical changes. However, current scenarios often rely on simplified perturbations that poorly capture complex, patient-specific variability. We propose SynthRCT, a scalable conditional generative framework for 3D anatomical deformation synthesis. Based on a conditional variational autoencoder, SynthRCT learns a latent deformation space and decodes sampled latent codes into local stationary velocity fields conditioned on an input anatomy. Local fields are assembled into coherent full-volume transformations, enabling memory-scalable generation for large field-of-view CT data. We validate the approach on respiratory 4DCT d
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית