Zobrazeno 1 - 9
of 9
pro vyhledávání: '"KiTS19"'
Autor:
Peng Sun, Zengnan Mo, Fangrong Hu, Xin Song, Taiping Mo, Bonan Yu, Yewei Zhang, Zhencheng Chen
Publikováno v:
BMC Medical Informatics and Decision Making, Vol 23, Iss 1, Pp 1-11 (2023)
Abstract Background Kidney tumors have become increasingly prevalent among adults and are now considered one of the most common types of tumors. Accurate segmentation of kidney tumors can help physicians assess tumor complexity and aggressiveness bef
Externí odkaz:
https://doaj.org/article/2ad348d0e0de4b8e9110a42074af82f9
MRFA-Net: Kidney Segmentation Method Based on Multi-Scale Feature Fusion and Residual Full Attention
Publikováno v:
Applied Sciences, Vol 14, Iss 6, p 2302 (2024)
For the characterization of the kidney segmentation task, this paper proposes a self-supervised kidney segmentation method based on multi-scale feature fusion and residual full attention, named MRFA-Net. In this study, we introduce the multi-scale fe
Externí odkaz:
https://doaj.org/article/af52fd0e65904160b75027c803668599
Publikováno v:
Frontiers in Oncology, Vol 12 (2022)
The incidence rate of kidney tumors increases year by year, especially for some incidental small tumors. It is challenging for doctors to segment kidney tumors from kidney CT images. Therefore, this paper proposes a deep learning model based on FR2PA
Externí odkaz:
https://doaj.org/article/9417df3db11c42e6b6084bfd3f6a02d4
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:
Müller, Dominik, Kramer, Frank
We performed a 3-fold Cross-Validation on the Kidney Tumor Segmentation Challenge 2019 dataset (KITS19) with our newly developed framework for medical image segmentation. MIScnn: A Framework for Medical Image Segmentation with Convolutional Neural Ne
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::677015830f37dc75f1a5b4242671edba
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Urbanová, Hedvika
This diploma thesis deals with the kidney tumor segmentation in CT data. First kidney anatomy and pathology is discussed. Following topics are the conventional segmentation techniques and segmentation techniques using machine learning. In the final p
Externí odkaz:
http://www.nusl.cz/ntk/nusl-413025
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.