Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Calcolo e ottimizzazione dei piani di trattamento per la proton terapia mediante tecnologie emergenti |
|---|---|
| Titolo del progetto di ricerca in inglese | Computation and optimization of treatment plans for proton therapy by emerging technologies |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Other |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | Molti aspetti rimangono una sfida nello sviluppo dei sistemi di planning dei trattamenti (TPS) in Protonterapia. Alcuni aspetti critici sono: a) il tradeoff tra velocità e accuratezza degli algoritmi di calcolo della dose e b) l'automazione del TPS. Questa proposta affronta entrambi gli aspetti, grazie a tecniche di Intelligenza Artificiale e High Performance Computing and Big Data (sottoambiti del PNR 4. Digitale, Industria, Areospazio). Per il calcolo della dose, l'idea è di sfruttare il Deep Learning, in particolare progettando reti neurali convoluzionali profonde per un rapido denoising dei profili di dose ottenuti mediante simulazioni Monte Carlo veloci (con HPC) e/o di bassa qualità. Per il calcolo del piano, confronteremo diverse tecniche di ottimizzazione (e robustezza) che vanno dalle formulazioni di Programmazione Lineare Intera Mista, comprese quelle relative al Maximum Feasible Subsystem, agli approcci predittivi/di ottimizzazione della Teoria dei Controlli. |
| Descrizione sintetica in inglese | Many aspects still represent a challenge in the development of Proton Therapy treatment planning systems (TPS). Some critical aspects are: a) the tradeoff between speed and accuracy of the dose calculation algorithms and b) the automation of the TPS. The present proposal aims to tackle both aspects, by using Artificial Intelligence and High Performance Computing and Big Data techniques (subfields of PNR 4. Digitale, Industria, Areospazio). For dose computation, the idea is to take advantage of Deep Learning, especially by designing deep Convolutional Neural Networks for fast denoising of dose profiles obtained by fast (with HPC) and/or low quality Monte Carlo simulations. For plan computation, we aim to compare several optimization (and robustness) techniques ranging from Mixed Integer Linear Programming formulations, including those related to Maximum Feasible Subsystem, to Control Theory predictive/optimization approaches. |
| Data del bando | 18/04/2024 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 24000 |
| Periodicità | MENSILE |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://www.univaq.it/section.php?id=766 |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | no |
| Importo annuale | 24000 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | no |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Criteri di selezione in italiano (breve descrizione) |
titoli e colloquio |
| Criteri di selezione in inglese (breve descrizione) |
qualifications and interview |
| Nome dell'Ente finanziatore | UNIVERSITA' DEGLI STUDI DELL'AQUILA |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | L'AQUILA |
| Codice postale | 67100 |
| Indirizzo | VIA VETOIO N. 1 |
| Sito web | http://www.univaq.it/section.php?id=766 |
| filippo.mignosi@UNIVAQ.IT |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 07/05/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://pica.cineca.it/univaq |