Výsledky vyhledávání

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Report

Automatic brain tissue segmentation in fetal MRI using convolutional neural networks

Autor: Khalili, N., Lessmann, N., Turk, E., Claessens, N., de Heus, R., Kolk, T., Viergever, M. A., Benders, M. J. N. L., Isgum, I.

MR images of fetuses allow clinicians to detect brain abnormalities in an early stage of development. The cornerstone of volumetric and morphologic analysis in fetal MRI is segmentation of the fetal brain into different tissue classes. Manual segment

Externí odkaz: http://arxiv.org/abs/1906.04713

Zobrazit plný text záznamu

Report

Generative adversarial network for segmentation of motion affected neonatal brain MRI

Autor: Khalili, N., Turk, E., Zreik, M., Viergever, M. A., Benders, M. J. N. L., Isgum, I.

Automatic neonatal brain tissue segmentation in preterm born infants is a prerequisite for evaluation of brain development. However, automatic segmentation is often hampered by motion artifacts caused by infant head movements during image acquisition

Externí odkaz: http://arxiv.org/abs/1906.04704

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Report

Automatic segmentation of the intracranialvolume in fetal MR images

Autor: Khalili, N., Moeskops, P., Claessens, N. H. P., Scherpenzeel, S., Turk, E., de Heus, R., Benders, M. J. N. L., Viergever, M. A., Pluim, J. P. W., Išgum, I.

MR images of the fetus allow non-invasive analysis of the fetal brain. Quantitative analysis of fetal brain development requires automatic brain tissue segmentation that is typically preceded by segmentation of the intracranial volume (ICV). This is

Externí odkaz: http://arxiv.org/abs/1708.02282

Zobrazit plný text záznamu