Abstract: FastSurfer
| Autor: | Fischl, Bruce, Reuter, Martin, Henschel, Leonie, Conjeti, Sailesh, Estrada Leon, Edgar Santiago, Diers, Kersten |
|---|---|
| Přispěvatelé: | Tolxdorff, Thomas, Deserno, Thomas M., Handels, Heinz, Maier, Andreas, Maier-Hein, Klaus H., Palm, Christoph |
| Jazyk: | angličtina |
| Rok vydání: | 2020 |
| Zdroj: | Wiesbaden : Springer Fachmedien Wiesbaden, Informatik aktuell 208 pp. (2020). doi:10.1007/978-3-658-29267-6_46 Bildverarbeitung für die Medizin 2020 / Tolxdorff, Thomas (Editor) ; Wiesbaden : Springer Fachmedien Wiesbaden, 2020, Chapter 46 ; ISSN: 1431-472X ; ISBN: 978-3-658-29266-9=978-3-658-29267-6 ; doi:10.1007/978-3-658-29267-6 Bildverarbeitung für die Medizin 2020 / Tolxdorff, Thomas (Editor) ; Wiesbaden : Springer Fachmedien Wiesbaden, 2020, Chapter 46 ; ISSN: 1431-472X ; ISBN: 978-3-658-29266-9=978-3-658-29267-6 ; doi:10.1007/978-3-658-29267-6Bildverarbeitung für die Medizin 2020 |
| DOI: | 10.1007/978-3-658-29267-6_46 |
| Popis: | Traditional neuroimage analysis pipelines involve computationally intensive, time-consuming optimization steps, and thus, do not scale well to large cohort studies. With FastSurfer [1] we propose a fast deep-learning based alternative for the automated processing of structural human MRI brain scans, including surface reconstruction and cortical parcellation. FastSurfer consists of an advanced deep learning architecture (FastSurferCNN) used to segment a whole brain MRI into 95 classes in under 1 min, and a surface pipeline building upon this high-quality brain segmentation. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|