Skip to content
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Services de bibliothèques
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Journal Matcher
Blog
Contact
Chercher
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
Polish Journal of Medical Physics and Engineering
Édition 31 (2025): Edition 1 (Mars 2025)
Accès libre
A systematic review of deep learning techniques for generating synthetic CT images from MRI data
Isaac Kwesi Acquah
Isaac Kwesi Acquah
Department of Medical Physics, University of Ghana
Ghana
Department of Physics Education, University of Education
Winneba, Ghana
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Acquah, Isaac Kwesi
,
Shiraz Issahaku
Shiraz Issahaku
Department of Medical Physics, University of Ghana
Ghana
Ghana Atomic Energy Commission
Accra, Ghana
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Issahaku, Shiraz
et
Samuel Nii Adu Tagoe
Samuel Nii Adu Tagoe
Department of Medical Physics, University of Ghana
Ghana
Department of Radiation Oncology, National Centre for Radiotherapy and Nuclear Medicine, Korle-Bu Teaching Hospital
Ghana
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Tagoe, Samuel Nii Adu
02 avr. 2025
Polish Journal of Medical Physics and Engineering
Édition 31 (2025): Edition 1 (Mars 2025)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Télécharger la couverture
Publié en ligne:
02 avr. 2025
Pages:
20 - 38
Reçu:
17 sept. 2024
Accepté:
10 janv. 2025
DOI:
https://doi.org/10.2478/pjmpe-2025-0003
Mots clés
deep learning algorithms
,
synthetic CT
,
magnetic resonance imaging
,
radiotherapy planning
,
image quality
,
non-invasive imaging
© 2025 Isaac Kwesi Acquah et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.