...
首页> 外文期刊>Medical Physics >ARPM-net: A novel CNN-based adversarial method with Markov random field enhancement for prostate and organs at risk segmentation in pelvic CT images
【24h】

ARPM-net: A novel CNN-based adversarial method with Markov random field enhancement for prostate and organs at risk segmentation in pelvic CT images

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

获取原文
获取原文并翻译 | 示例
           

摘要

Purpose The research is to develop a novel CNN-based adversarial deep learning method to improve and expedite the multi-organ semantic segmentation of CT images and to generate accurate contours on pelvic CT images.
机译:目的本研究旨在开发一种基于CNN的对抗性深度学习方法,以改进和加速CT图像的多器官语义分割,并在骨盆CT图像上生成准确的轮廓。

著录项

  • 来源
    《Medical Physics》 |2021年第1期|共11页
  • 作者单位

    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;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 基础医学;
  • 关键词

    deep learning; Markov random field; pelvic CT images; organ segmentation;

    机译:深度学习;马尔可夫随机场;盆腔CT图像;器官分割;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号