Zobrazeno 1 - 10
of 800
pro vyhledávání: '"Gold, P E"'
Fluoroscopy is critical for real-time X-ray visualization in medical imaging. However, low-dose images are compromised by noise, potentially affecting diagnostic accuracy. Noise reduction is crucial for maintaining image quality, especially given suc
Externí odkaz:
http://arxiv.org/abs/2411.00830
Autor:
Dominic, Jeffrey, Bhaskhar, Nandita, Desai, Arjun D., Schmidt, Andrew, Rubin, Elka, Gunel, Beliz, Gold, Garry E., Hargreaves, Brian A., Lenchik, Leon, Boutin, Robert, Chaudhari, Akshay S.
Although supervised learning has enabled high performance for image segmentation, it requires a large amount of labeled training data, which can be difficult to obtain in the medical imaging field. Self-supervised learning (SSL) methods involving pre
Externí odkaz:
http://arxiv.org/abs/2210.07936
Autor:
Desai, Arjun D, Schmidt, Andrew M, Rubin, Elka B, Sandino, Christopher M, Black, Marianne S, Mazzoli, Valentina, Stevens, Kathryn J, Boutin, Robert, Ré, Christopher, Gold, Garry E, Hargreaves, Brian A, Chaudhari, Akshay S
Magnetic resonance imaging (MRI) is a cornerstone of modern medical imaging. However, long image acquisition times, the need for qualitative expert analysis, and the lack of (and difficulty extracting) quantitative indicators that are sensitive to ti
Externí odkaz:
http://arxiv.org/abs/2203.06823
Autor:
Thomas, Kevin A., Krzemiński, Dominik, Kidziński, Łukasz, Paul, Rohan, Rubin, Elka B., Halilaj, Eni, Black, Marianne S., Chaudhari, Akshay, Gold, Garry E., Delp, Scott L.
Objective: We evaluate a fully-automated femoral cartilage segmentation model for measuring T2 relaxation values and longitudinal changes using multi-echo spin echo (MESE) MRI. We have open sourced this model and corresponding segmentations. Methods:
Externí odkaz:
http://arxiv.org/abs/2012.12406
Autor:
Desai, Arjun D., Caliva, Francesco, Iriondo, Claudia, Khosravan, Naji, Mortazi, Aliasghar, Jambawalikar, Sachin, Torigian, Drew, Ellermann, Jutta, Akcakaya, Mehmet, Bagci, Ulas, Tibrewala, Radhika, Flament, Io, O`Brien, Matthew, Majumdar, Sharmila, Perslev, Mathias, Pai, Akshay, Igel, Christian, Dam, Erik B., Gaj, Sibaji, Yang, Mingrui, Nakamura, Kunio, Li, Xiaojuan, Deniz, Cem M., Juras, Vladimir, Regatte, Ravinder, Gold, Garry E., Hargreaves, Brian A., Pedoia, Valentina, Chaudhari, Akshay S.
Purpose: To organize a knee MRI segmentation challenge for characterizing the semantic and clinical efficacy of automatic segmentation methods relevant for monitoring osteoarthritis progression. Methods: A dataset partition consisting of 3D knee MRI
Externí odkaz:
http://arxiv.org/abs/2004.14003
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.
High-fidelity semantic segmentation of magnetic resonance volumes is critical for estimating tissue morphometry and relaxation parameters in both clinical and research applications. While manual segmentation is accepted as the gold-standard, recent a
Externí odkaz:
http://arxiv.org/abs/1902.01977
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.