Comparando enfoques 3D, 2.5D y 2D para la auto-segmentación de imágenes cerebrales
Autores: Avesta, Arman; Hossain, Sajid; Lin, MingDe; Aboian, Mariam; Krumholz, Harlan M.; Aneja, Sanjay
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Comparando enfoques 3D, 2.5D y 2D para la auto-segmentación de imágenes cerebrales
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Aprendizaje profundo
Auto-segmentación
Imágenes cerebrales
3d
2.5d
2d
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Los métodos de aprendizaje profundo para la auto-segmentación de imágenes cerebrales segmentan una rebanada de la imagen (2D), cinco rebanadas consecutivas de la imagen (2.5D) o un volumen completo de la imagen (3D). No se sabe cuál enfoque es superior para la auto-segmentación de imágenes cerebrales.
Descripción
Los métodos de aprendizaje profundo para la auto-segmentación de imágenes cerebrales segmentan una rebanada de la imagen (2D), cinco rebanadas consecutivas de la imagen (2.5D) o un volumen completo de la imagen (3D). No se sabe cuál enfoque es superior para la auto-segmentación de imágenes cerebrales.