Zobrazeno 1 - 10
of 218
pro vyhledávání: '"Rockall, A G"'
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:
Valindria, Vanya V., Lavdas, Ioannis, Cerrolaza, Juan, Aboagye, Eric O., Rockall, Andrea G., Rueckert, Daniel, Glocker, Ben
Accurate and robust segmentation of small organs in whole-body MRI is difficult due to anatomical variation and class imbalance. Recent deep network based approaches have demonstrated promising performance on abdominal multi-organ segmentations. Howe
Externí odkaz:
http://arxiv.org/abs/1807.11368
Autor:
Valindria, Vanya V., Lavdas, Ioannis, Bai, Wenjia, Kamnitsas, Konstantinos, Aboagye, Eric O., Rockall, Andrea G., Rueckert, Daniel, Glocker, Ben
The variations in multi-center data in medical imaging studies have brought the necessity of domain adaptation. Despite the advancement of machine learning in automatic segmentation, performance often degrades when algorithms are applied on new data
Externí odkaz:
http://arxiv.org/abs/1806.00363
Publikováno v:
In European Journal of Radiology October 2022 155
Autor:
Valindria, Vanya V., Lavdas, Ioannis, Bai, Wenjia, Kamnitsas, Konstantinos, Aboagye, Eric O., Rockall, Andrea G., Rueckert, Daniel, Glocker, Ben
When integrating computational tools such as automatic segmentation into clinical practice, it is of utmost importance to be able to assess the level of accuracy on new data, and in particular, to detect when an automatic method fails. However, this
Externí odkaz:
http://arxiv.org/abs/1702.03407
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.