MedSegBench: A comprehensive benchmark for medical image segmentation in diverse data modalities
Scientific Data · 25.11.2024 · 11 (1)
DOI: 10.1038/s41597-024-04159-2 ↗Kurz gefasst
Fachartikel in der Zeitschrift Scientific Data, online erschienen am 25.11.2024. Verfasst von Zeki Kuş und 1 weiteren Autor:innen. Beteiligte Einrichtung: Fatih Sultan Mehmet Vakif University, Computer Engineering, İstanbul, 34445, Türkiye. zkus@fsm.edu.tr. Hauptthemen laut MEDLINE: Deep Learning, Benchmarking, Magnetic Resonance Imaging, Image Processing, Computer-Assisted. Die Arbeit wurde bisher 43-mal zitiert (Crossref) und nennt 85 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Kein Abstract verfügbar.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Autor:innen und Institutionen
- Fatih Sultan Mehmet Vakif University, Computer Engineering, İstanbul, 34445, Türkiye. zkus@fsm.edu.tr.
- Fatih Sultan Mehmet Vakif University, Computer Engineering, İstanbul, 34445, Türkiye.
ORCID-Profile: Zeki Kuş
Zitieren
APA
Kuş, Z., & Aydin, M. (2024). MedSegBench: A comprehensive benchmark for medical image segmentation in diverse data modalities. Scientific Data, 11(1). https://doi.org/10.1038/s41597-024-04159-2
Vancouver
Kuş Z, Aydin M. MedSegBench: A comprehensive benchmark for medical image segmentation in diverse data modalities. Scientific Data. 2024;11(1). doi:10.1038/s41597-024-04159-2
BibTeX
@article{Ku2024,
author = {Kuş, Zeki and Aydin, Musa},
title = {MedSegBench: A comprehensive benchmark for medical image segmentation in diverse data modalities},
journal = {Scientific Data},
year = {2024},
volume = {11},
number = {1},
doi = {10.1038/s41597-024-04159-2}
}
EUVIMED