机译:使用模糊分类,对称性分析和空间受限可变形模型的Mri中3d脑肿瘤分割
TELECOM ParisTech (ENST), CNRS UMR 5141 LTCI, IFR 49, Paris, France;
rnCNRS, UPR 640 - Cognitive Neuroscience and Brain Imaging Laboratory, Universite Pierre et Marie Curie - Paris 6, Hopital de larnPitie-Salpetriere, IFR 49, Paris, France;
Groupe de Recherche sur les Energies Renouvelables (GRER), Universite des Antilles et de la Guyane, Campus de St Denis,rn97 300 Cayenne, France;
TELECOM ParisTech (ENST), CNRS UMR 5141 LTCI, IFR 49, Paris, France;
brain tumor; segmentation; deformable model; spatial relations; symmetry plane;
机译:变形模型中模糊空间关系的整合-在脑MRI分割中的应用
机译:一种新的模糊聚类算法,最大限度地减少噪声3D脑MR图像分割的全局和空间约束似乎基于似乎的基于似乎的局部熵
机译:使用概率图谱和空间受限的可变形模型在3D MR图像中自动分割前列腺。
机译:3D使用模糊分类和可变形模型进行3D脑肿瘤分割
机译:用于3D脑MRI分割的纹理加权模糊C均值算法的开发
机译:可靠的3D脑MRI分割的可变形模板指导的判别模型
机译:基于模糊分类和变形模型的三维脑肿瘤分割