Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Scale-adaptive supervoxel-based random forests for liver tumor segmentation in dynamic contrast-enhanced CT scans
2016·63 Zitationen·International Journal of Computer Assisted Radiology and Surgery
Volltext beim Verlag öffnen63
Zitationen
7
Autoren
2016
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
A Computational Approach to Edge Detection
1986 · 28.998 Zit.
Textural Features for Image Classification
1973 · 22.414 Zit.
Automated Anatomical Labeling of Activations in SPM Using a Macroscopic Anatomical Parcellation of the MNI MRI Single-Subject Brain
2002 · 16.745 Zit.
Normalized cuts and image segmentation
2000 · 15.667 Zit.
Nonlinear total variation based noise removal algorithms
1992 · 15.619 Zit.
Autoren
Institutionen
- Laboratoire des Sciences de l'Ingénieur, de l'Informatique et de l'Imagerie(FR)
- Université de Strasbourg(FR)
- Centre National de la Recherche Scientifique(FR)
- Institut Mines-Télécom(FR)
- Laboratoire de Traitement de l'Information Médicale(FR)
- Satimo (France)(FR)
- Inserm(FR)
- Institut de Recherche contre les Cancers de l’Appareil Digestif(FR)
Themen
Medical Image Segmentation TechniquesAI in cancer detectionMRI in cancer diagnosis