Zum Inhalt

Erweiterte Suche

Ergebnisvorschau für Ihre aktuellen Suchbegriffe: 0

Suchoperatoren:

Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente mit genau dieser Wortgruppe in exakt dieser Schreibweise und Reihenfolge (z.B. "employer branding").
Findet Dokumente, in denen beide Begriffe zusammen vorkommen (z.B. vertrieb UND bonus).
Findet Dokumente, in denen einer der beiden oder beide Begriffe vorkommen (z.B. porsche OR volkswagen).
Findet Dokumente, in denen alle Begriffe vorkommen. Das Leerzeichen wird als UND interpretiert (z.B. mensch roboter alltag).
Findet Dokumente, in denen der Begriff nach NOT nicht vorkommt (z.B. ford NOT "harrison ford").
Findet Dokumente, in denen der gesuchte Begriff mehr als n mal vorkommt. n steht für eine beliebige Anzahl (z.B. COUNT(getriebe)>8).
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Findet Dokumente mit dem Suchbegriff in verschiedenen Schreibweisen. Das ? steht für eine einzige Stelle (z.B. organi?ation).
Sonderzeichen werden als UND interpretiert (z.B. Mann + Hummel).

Semantische Suche

powered by (Link öffnet in neuem Fenster)
loading …
Anmelden
Nach oben
International Journal of Computer Assisted Radiology and Surgery

Deep learning to segment pelvic bones: large-scale CT datasets and baseline models

  • 16.04.2021
  • Original Article
Erschienen in:
Verfasst von
Pengbo Liu
Hu Han
Yuanqi Du
Heqin Zhu
Yinhao Li
Feng Gu
Honghu Xiao
Jun Li
Chunpeng Zhao
Li Xiao
Xinbao Wu
S. Kevin Zhou
Erschienen in
International Journal of Computer Assisted Radiology and Surgery | Ausgabe 5/2021

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel stellt eine auf tiefem Lernen basierende Methode zur Segmentierung der Beckenknochen aus CT-Bildern vor, die die Grenzen traditioneller Methoden adressiert. Er hebt die Erstellung eines umfangreichen CT-Datensatzes mit vielfältigen Erscheinungsvarianten und den Einsatz einer robusten 3D-U-Net-Kaskade zur Segmentierung in mehreren Klassen hervor. Die Studie enthält auch einen SDF-Postprozessor, um die Genauigkeit und Robustheit der Segmentierungsergebnisse zu verbessern. Experimentelle Ergebnisse zeigen die überlegene Leistung der vorgeschlagenen Methode im Vergleich zu bestehenden Ansätzen, was sie zu einem bedeutenden Beitrag auf dem Gebiet der medizinischen Bildgebung und orthopädischen Chirurgie macht.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Jetzt einloggen Kostenlos registrieren

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriger Artikel Initial phantom studies for an office-based low-field MR system for prostate biopsy
Nächster Artikel CycleGAN for interpretable online EMT compensation
Titel
Deep learning to segment pelvic bones: large-scale CT datasets and baseline models
Verfasst von
Pengbo Liu
Hu Han
Yuanqi Du
Heqin Zhu
Yinhao Li
Feng Gu
Honghu Xiao
Jun Li
Chunpeng Zhao
Li Xiao
Xinbao Wu
S. Kevin Zhou
Publikationsdatum
16.04.2021
Verlag
Springer International Publishing
Erschienen in
International Journal of Computer Assisted Radiology and Surgery / Ausgabe 5/2021
Print ISSN: 1861-6410
Elektronische ISSN: 1861-6429
DOI
https://doi.org/10.1007/s11548-021-02363-8
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Weitere Artikel der Ausgabe 5/2021

Patient-specific prediction of SEEG electrode bending for stereotactic neurosurgical planning

  • Open Access
  • Original Article

IJCARS—IPCAI 2021 Special Issue: Information Processing for Computer-Assisted Interventions, 12th International Conference 2021—Part 1

  • Open Access
  • Guest Editorial

CycleGAN for interpretable online EMT compensation

  • Open Access
  • Original Article

Fast and robust localization of surgical array using Kalman filter

  • Original Article

Cross-modal self-supervised representation learning for gesture and skill recognition in robotic surgery

  • Original Article

Computer-assisted contralateral side comparison of the ankle joint using flat panel technology

  • Open Access
  • Original Article

Premium Partner

    Bildnachweise
    AvePoint Deutschland GmbH/© AvePoint Deutschland GmbH, NTT Data/© NTT Data, Wildix/© Wildix, arvato Systems GmbH/© arvato Systems GmbH, Ninox Software GmbH/© Ninox Software GmbH, Nagarro GmbH/© Nagarro GmbH, GWS mbH/© GWS mbH, CELONIS Labs GmbH, USU GmbH/© USU GmbH, G Data CyberDefense/© G Data CyberDefense, Vendosoft/© Vendosoft, Kumavision/© Kumavision, Noriis Network AG/© Noriis Network AG, WSW Software GmbH/© WSW Software GmbH, tts GmbH/© tts GmbH, Asseco Solutions AG/© Asseco Solutions AG, AFB Gemeinnützige GmbH/© AFB Gemeinnützige GmbH, Ferrari electronic AG/© Ferrari electronic AG, Doxee AT GmbH/© Doxee AT GmbH , ams.solutions GmbH/© ams.solutions GmbH