Deep-Learning-Modell zur automatischen Segmentierung intrakranieller Thromben
Neuroradiologie Scan · 01.10.2023 · 13 (04) · 232-233
DOI: 10.1055/a-2151-1421 ↗Kurz gefasst
Fachartikel in der Zeitschrift Neuroradiologie Scan, erschienen am 01.10.2023. Die Arbeit nennt 1 Literaturangaben.
Abstract (Originalsprache)
Für die Therapieentscheidung bei ischämischem Schlaganfall ist die Bestimmung von Lage und Ausmaß intrakranieller Thromben von entscheidender Bedeutung. Eine genaue Segmentierung der Thromben bei der initialen Bildgebung ist der erste Schritt zu ihrer Charakterisierung. Zhu et al. entwickelten ein automatisiertes Verfahren zur Thrombus-Segmentierung auf Bildern der nativen CT (NCCT) und CT-Angiographie (CTA).
Zitieren
APA
(2023). Deep-Learning-Modell zur automatischen Segmentierung intrakranieller Thromben. Neuroradiologie Scan, 13(04), 232-233. https://doi.org/10.1055/a-2151-1421
Vancouver
Deep-Learning-Modell zur automatischen Segmentierung intrakranieller Thromben. Neuroradiologie Scan. 2023;13(04):232-233. doi:10.1055/a-2151-1421
BibTeX
@article{euvimed2023,
title = {Deep-Learning-Modell zur automatischen Segmentierung intrakranieller Thromben},
journal = {Neuroradiologie Scan},
year = {2023},
volume = {13},
number = {04},
pages = {232--233},
doi = {10.1055/a-2151-1421}
}
EUVIMED