Multi-organ segmentation med användning av djup inlärning
Medicinsk bildanalys är både tidskonsumerade och kräver expertis. I den härrapporten vidareutvecklas en 2.5D version av faltningsnätverket U-Net anpassadför automatiserad njuresegmentering. Faltningsnätverk har tidigare visatliknande prestation som experter. Träningsdata för nätverket anpassades gen...
Main Authors: | Karlsson, Albin, Olmo, Daniel |
---|---|
Format: | Others |
Language: | Swedish |
Published: |
KTH, Medicinteknik och hälsosystem
2020
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-277813 |
Similar Items
-
Organ Segmentation Using Deep Multi-task Learning with Anatomical Landmarks
by: Carrizo, Gabriel
Published: (2018) -
Managing imbalanced training data by sequential segmentation in machine learning
by: Bardolet Pettersson, Susana
Published: (2019) -
Segmentation and synthesis of pelvic region CT images via neural networks trained on XCAT phantom data
by: ZHAO, HANG
Published: (2021) -
Automatisering av skjuvvågselastografidata för kärldiagnostisk applikation.
by: Boltshauser, Rasmus, et al.
Published: (2018) -
Towards non-invasive Gleason grading of prostate cancer using diffusion weighted MRI
by: Hillergren, Pierre
Published: (2020)