EUVIMEDEUVIMED entdecken
Crossref

ABDOMEN BECKEN – Automatische Lebersegmentierung mit tiefem konvolutionalen Netzwerk

Susanne Krome

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →