Zobrazeno 1 - 10
of 99
pro vyhledávání: '"Asma, Evren"'
A convolutional neural network (ConvNet) is usually trained and then tested using images drawn from the same distribution. To generalize a ConvNet to various tasks often requires a complete training dataset that consists of images drawn from differen
Externí odkaz:
http://arxiv.org/abs/2109.14729
Autor:
Sitek, Arkadiusz, Ahn, Sangtae, Asma, Evren, Chandler, Adam, Ihsani, Alvin, Prevrhal, Sven, Rahmim, Arman, Saboury, Babak, Thielemans, Kris
Artificial intelligence (AI) has significant potential to positively impact and advance medical imaging, including positron emission tomography (PET) imaging applications. AI has the ability to enhance and optimize all aspects of the PET imaging chai
Externí odkaz:
http://arxiv.org/abs/2107.06747
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Xie, Zhaoheng, Baikejiang, Reheman, Li, Tiantian, Zhang, Xuezhu, Gong, Kuang, Zhang, Mengxi, Qi, Wenyuan, Asma, Evren, Qi, Jinyi
Publikováno v:
Physics in medicine and biology, vol 65, iss 12
Positron emission tomography (PET) is an ill-posed inverse problem and suffers high noise due to limited number of detected events. Prior information can be used to improve the quality of reconstructed PET images. Deep neural networks have also been
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______325::68d876fbec30115c2ee7f609a8c40ffb
https://escholarship.org/uc/item/05w852rn
https://escholarship.org/uc/item/05w852rn
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.