Un estudio sistemático de métodos de aprendizaje de conjuntos para la segmentación semántica detallada de lesiones consistentes con tuberculosis en radiografías de tórax
Autores: Rajaraman, Sivaramakrishnan; Yang, Feng; Zamzmi, Ghada; Xue, Zhiyun; Antani, Sameer K.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un estudio sistemático de métodos de aprendizaje de conjuntos para la segmentación semántica detallada de lesiones consistentes con tuberculosis en radiografías de tórax
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Segmentación automatizada
Lesiones de tuberculosis
Radiografías de tórax
Métodos de aprendizaje profundo
Anotaciones detalladas
Métodos de conjunto
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
La segmentación automatizada de lesiones consistentes con tuberculosis (TB) en radiografías de tórax (CXRs) utilizando métodos de aprendizaje profundo (DL) puede ayudar a reducir el esfuerzo del radiólogo, complementar la toma de decisiones clínicas y potencialmente resultar en una mejoría en el tratamiento del paciente.
Descripción
La segmentación automatizada de lesiones consistentes con tuberculosis (TB) en radiografías de tórax (CXRs) utilizando métodos de aprendizaje profundo (DL) puede ayudar a reducir el esfuerzo del radiólogo, complementar la toma de decisiones clínicas y potencialmente resultar en una mejoría en el tratamiento del paciente.