...
机译:ARPM-Net:一种新型的基于CNN的对抗性方法,具有Markov随机性野外骨盆和器官在骨盆CT图像中的风险分割中的促进野生场增强
Washington Univ Dept Comp Sci &
Engn One Brookings Dr Campus Box 1045 St Louis MO 63130 USA;
Washington Univ Sch Med Dept Radiat Oncol 4921 Parkview Pl Campus Box 8224 St Louis MO 63110;
Washington Univ Sch Med Dept Radiat Oncol 4921 Parkview Pl Campus Box 8224 St Louis MO 63110;
Washington Univ Dept Genet Dept Comp Sci &
Engn One Brookings Dr Campus Box 1045 St Louis MO;
Washington Univ Sch Med Dept Radiat Oncol 4921 Parkview Pl Campus Box 8224 St Louis MO 63110;
deep learning; Markov random field; pelvic CT images; organ segmentation;
机译:使用深度学习的男性盆腔CT图像风险的前列腺和器官的分割
机译:锥形光束CT中雄性盆腔器官分割的域对抗网络和基于强度的数据增强
机译:基于克隆选择算法和马尔可夫链蒙特卡罗方法的基于隐马尔可夫随机场模型的脑部MR图像分割
机译:使用SharpMask架构和条件随机场对胸部CT图像中处于风险中的器官进行分割
机译:通过递增级联学习和基于回归的可变形模型对CT盆腔器官进行精确分割。
机译:锋利的构架和条件随机场将胸椎CT图像中的有机物区分开
机译:ARPM-NET:一种新型的基于CNN的对抗性方法,具有Markov随机性野外骨盆和器官在骨盆CT图像中的风险分割中的常规野外促进方法
机译:马尔可夫随机场模拟图像分割的Bayes平滑算法