Adaptation models; Anatomical structure; Bones; Decision trees; Solid modeling; Surgery; Training; anatomy registration; automatic evaluation; transfer learning;
机译:在颞骨的图像引导手术中,将解剖或侵入性标记物与皮肤表面配准结合使用。
机译:使用前向特征选择和面向目标的验证来改善时空机器学习模型的性能
机译:基于小型样本时间特征的数据驱动质量分析的基于简明的窥视孔模型
机译:通过解剖功能注册来转移时间骨骼性能模型的学习
机译:显着的解剖学特征,可在图像引导的肝脏手术中实现稳固的表面配准和基于图集的模型更新。
机译:通过组合特征选择和增量转移学习改进重复用途的EMG模式识别模型性能
机译:表5:使用基线CNN(常规传输学习)计算的性能指标和来自粗略模型的最佳中间层的特征提取,使用RSNA CXR测试集创建精细模型。