Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
SAR-U-Net: Squeeze-and-excitation block and atrous spatial pyramid pooling based residual U-Net for automatic liver segmentation in Computed Tomography
2021·161 Zitationen·Computer Methods and Programs in Biomedicine
Volltext beim Verlag öffnen161
Zitationen
4
Autoren
2021
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Deep Residual Learning for Image Recognition
2016 · 217.999 Zit.
U-Net: Convolutional Networks for Biomedical Image Segmentation
2015 · 86.898 Zit.
ImageNet classification with deep convolutional neural networks
2017 · 75.670 Zit.
Very Deep Convolutional Networks for Large-Scale Image Recognition
2014 · 75.501 Zit.
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
2016 · 53.203 Zit.
Autoren
Institutionen
Themen
Advanced Neural Network ApplicationsMedical Image Segmentation TechniquesCOVID-19 diagnosis using AI