Generation of synthetic datasets for iterative and deep-learning-based scatter correction in CBCT

Presentación virtual, transmitida en Youtube, que describe un método para generar conjuntos de datos sintéticos que permitan entrenar y validar algoritmos de corrección de dispersión en imágenes de Tomografía Computarizada de Haz Cónico (CBCT). El procedimiento se basa en un modelo Monte Carlo validado del sistema de imagen (kV y MV) del acelerador Varian TrueBeam STx, con el cual se simulan proyecciones CBCT separando las contribuciones de dispersión (scatter) y primaria en una misma adquisición.