Zobrazeno 1 - 10
of 50
pro vyhledávání: '"multi-scale processing"'
Autor:
Zhao, Longxuan a, b, Wang, Tao a, b, Chen, Yuanbin a, b, Zhang, Xinlin a, b, c, Tang, Hui a, b, Zong, Ruige a, b, Tan, Tao d, Chen, Shun e, f, ⁎, Tong, Tong a, b, c, ⁎
Publikováno v:
In Biomedical Signal Processing and Control May 2025 103
Deep Reinforcement Learning Method for 3D-CT Nasopharyngeal Cancer Localization with Prior Knowledge
Publikováno v:
Applied Sciences, Vol 13, Iss 14, p 7999 (2023)
Fast and accurate lesion localization is an important step in medical image analysis. The current supervised deep learning methods have obvious limitations in the application of radiology, as they require a large number of manually annotated images.
Externí odkaz:
https://doaj.org/article/f33d217e25ba4997b19d31e638db48a4
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Deep Reinforcement Learning Method for 3D-CT Nasopharyngeal Cancer Localization with Prior Knowledge
Publikováno v:
Applied Sciences; Volume 13; Issue 14; Pages: 7999
Fast and accurate lesion localization is an important step in medical image analysis. The current supervised deep learning methods have obvious limitations in the application of radiology, as they require a large number of manually annotated images.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=multidiscipl::b5903b308f5a3810046a8dbcc9c72c95
Conference
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.
Bakurov, I., Buzzelli, M., Castelli, M., Schettini, R., & Vanneschi, L. (2022). Genetic programming for structural similarity design at multiple spatial scales. In GECCO ’22. Proceedings of the 2022 Genetic and Evolutionary Computation Conference (
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::cb0b7d53a1c26bc8d57c7de16ff9a0dc
https://hdl.handle.net/10362/141872
https://hdl.handle.net/10362/141872
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.