Zobrazeno 1 - 10
of 224
pro vyhledávání: '"Newcombe, Virginia F. J."'
Autor:
Kamnitsas, Konstantinos, Winzeck, Stefan, Kornaropoulos, Evgenios N., Whitehouse, Daniel, Englman, Cameron, Phyu, Poe, Pao, Norman, Menon, David K., Rueckert, Daniel, Das, Tilak, Newcombe, Virginia F. J., Glocker, Ben
Semi-supervised learning (SSL) uses unlabeled data during training to learn better models. Previous studies on SSL for medical image segmentation focused mostly on improving model generalization to unseen data. In some applications, however, our prim
Externí odkaz:
http://arxiv.org/abs/2107.08964
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:
Kamnitsas, Konstantinos, Baumgartner, Christian, Ledig, Christian, Newcombe, Virginia F. J., Simpson, Joanna P., Kane, Andrew D., Menon, David K., Nori, Aditya, Criminisi, Antonio, Rueckert, Daniel, Glocker, Ben
Significant advances have been made towards building accurate automatic segmentation systems for a variety of biomedical applications using machine learning. However, the performance of these systems often degrades when they are applied on new data t
Externí odkaz:
http://arxiv.org/abs/1612.08894
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kamnitsas, Konstantinos, Ledig, Christian, Newcombe, Virginia F. J., Simpson, Joanna P., Kane, Andrew D., Menon, David K., Rueckert, Daniel, Glocker, Ben
We propose a dual pathway, 11-layers deep, three-dimensional Convolutional Neural Network for the challenging task of brain lesion segmentation. The devised architecture is the result of an in-depth analysis of the limitations of current networks pro
Externí odkaz:
http://arxiv.org/abs/1603.05959
Autor:
Monteiro, Miguel *, *, Newcombe, Virginia F J *, Mathieu, Francois, Adatia, Krishma, Kamnitsas, Konstantinos, Ferrante, Enzo, Das, Tilak, Whitehouse, Daniel, Rueckert, Daniel, Menon, David K, Glocker, Ben
Publikováno v:
In The Lancet Digital Health June 2020 2(6):e314-e322