Zobrazeno 1 - 9
of 9
pro vyhledávání: '"Razumov, Artem"'
Autor:
Lyu, Jun, Qin, Chen, Wang, Shuo, Wang, Fanwen, Li, Yan, Wang, Zi, Guo, Kunyuan, Ouyang, Cheng, Tänzer, Michael, Liu, Meng, Sun, Longyu, Sun, Mengting, Li, Qin, Shi, Zhang, Hua, Sha, Li, Hao, Chen, Zhensen, Zhang, Zhenlin, Xin, Bingyu, Metaxas, Dimitris N., Yiasemis, George, Teuwen, Jonas, Zhang, Liping, Chen, Weitian, Zhao, Yidong, Tao, Qian, Pang, Yanwei, Liu, Xiaohan, Razumov, Artem, Dylov, Dmitry V., Dou, Quan, Yan, Kang, Xue, Yuyang, Du, Yuning, Dietlmeier, Julia, Garcia-Cabrera, Carles, Hemidi, Ziad Al-Haj, Vogt, Nora, Xu, Ziqiang, Zhang, Yajing, Chu, Ying-Hua, Chen, Weibo, Bai, Wenjia, Zhuang, Xiahai, Qin, Jing, Wu, Lianmin, Yang, Guang, Qu, Xiaobo, Wang, He, Wang, Chengyan
Cardiac MRI, crucial for evaluating heart structure and function, faces limitations like slow imaging and motion artifacts. Undersampling reconstruction, especially data-driven algorithms, has emerged as a promising solution to accelerate scans and e
Externí odkaz:
http://arxiv.org/abs/2404.01082
Autor:
Kuzmina, Ekaterina, Razumov, Artem, Rogov, Oleg Y., Adalsteinsson, Elfar, White, Jacob, Dylov, Dmitry V.
Publikováno v:
MICCAI 2022
Image corruption by motion artifacts is an ingrained problem in Magnetic Resonance Imaging (MRI). In this work, we propose a neural network-based regularization term to enhance Autofocusing, a classic optimization-based method to remove motion artifa
Externí odkaz:
http://arxiv.org/abs/2203.05569
Publikováno v:
MICCAI 2022
To accelerate MRI, the field of compressed sensing is traditionally concerned with optimizing the image quality after a partial undersampling of the measurable $\textit{k}$-space. In our work, we propose to change the focus from the quality of the re
Externí odkaz:
http://arxiv.org/abs/2108.04914
Comparison of UNet, ENet, and BoxENet for Segmentation of Mast Cells in Scans of Histological Slices
Autor:
Karimov, Alexander, Razumov, Artem, Manbatchurina, Ruslana, Simonova, Ksenia, Donets, Irina, Vlasova, Anastasia, Khramtsova, Yulia, Ushenin, Konstantin
Deep neural networks show high accuracy in theproblem of semantic and instance segmentation of biomedicaldata. However, this approach is computationally expensive. Thecomputational cost may be reduced with network simplificationafter training or choo
Externí odkaz:
http://arxiv.org/abs/1909.06840
Publikováno v:
In Magnetic Resonance Imaging November 2023 103:37-47
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.