ABDOMEN BECKEN – Automatische Lebersegmentierung mit tiefem konvolutionalen Netzwerk
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.12.2024 · 196 (12) · 1211-1212
DOI: 10.1055/a-2417-0052 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.12.2024. Verfasst von Susanne Krome. Die Arbeit nennt 1 Literaturangaben.
Abstract (Originalsprache)
Die manuelle Segmentierung der Leber in der MRT kostet Zeit und ist untersucherabhängig. Konvolutionale neurale Netzwerke (CNN) basierend auf tiefem Lernen waren zwar vielversprechend, aber oft nur aus kleinen Datensätzen generiert und damit nicht unbedingt generalisierbar. Gross et al. entwickelten, testeten und validierten ein tiefes CNN (DCNN) für die automatische Lebersegmentierung, dessen Grundlage 470 Leber-MRT waren.
Zitieren
APA
Krome, S. (2024). ABDOMEN BECKEN – Automatische Lebersegmentierung mit tiefem konvolutionalen Netzwerk. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 196(12), 1211-1212. https://doi.org/10.1055/a-2417-0052
Vancouver
Krome S. ABDOMEN BECKEN – Automatische Lebersegmentierung mit tiefem konvolutionalen Netzwerk. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2024;196(12):1211-1212. doi:10.1055/a-2417-0052
BibTeX
@article{Krome2024,
author = {Krome, Susanne},
title = {ABDOMEN BECKEN – Automatische Lebersegmentierung mit tiefem konvolutionalen Netzwerk},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2024},
volume = {196},
number = {12},
pages = {1211--1212},
doi = {10.1055/a-2417-0052}
}
EUVIMED