Zobrazeno 1 - 10
of 1 851
pro vyhledávání: '"Data fusion strategies"'
Autor:
Saki, Mahdi, Keshavarz, Rasool, Franklin, Daniel, Abolhasan, Mehran, Lipman, Justin, Shariati, Negin
This review explores the most recent advancements in transformer-based data fusion techniques in agricultural remote sensing (RS), with a particular focus on soil analysis. Utilizing a systematic, data-driven approach, we demonstrate that transformer
Externí odkaz:
http://arxiv.org/abs/2410.18353
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.
Purpose. NTCP modelling is rapidly embracing DL methods as the need to include spatial dose information is acknowledged. Finding the most appropriate way of combining radiation dose distribution images and clinical data involves technical challenges
Externí odkaz:
http://arxiv.org/abs/2310.06212
Autor:
Adade, Selorm Yao-Say Solomon a, c, d, Lin, Hao b, Johnson, Nana Adwoa Nkuma a, d, Nunekpeku, Xorlali b, Aheto, Joshua Harrington d, Ekumah, John-Nelson b, d, Kwadzokpui, Bridget Ama b, Teye, Ernest e, Ahmad, Waqas a, Chen, Quansheng a, ⁎
Publikováno v:
In Trends in Food Science & Technology February 2025 156
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:
Deepa Darshini Gunashekar, Lars Bielak, Benedict Oerther, Matthias Benndorf, Andrea Nedelcu, Samantha Hickey, Constantinos Zamboglou, Anca-Ligia Grosu, Michael Bock
Publikováno v:
Radiation Oncology, Vol 19, Iss 1, Pp 1-10 (2024)
Abstract Background In this work, we compare input level, feature level and decision level data fusion techniques for automatic detection of clinically significant prostate lesions (csPCa). Methods Multiple deep learning CNN architectures were develo
Externí odkaz:
https://doaj.org/article/7e250f0432c34ab7acc7bf0bbdc94c6c