Modelos de aprendizaje profundo para la segmentación automática de la vía aérea superior y la localización del área transversal mínima en imágenes bidimensionales
Autores: Chu, Guang; Zhang, Rongzhao; He, Yingqing; Ng, Chun Hown; Gu, Min; Leung, Yiu Yan; He, Hong; Yang, Yanqi
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Modelos de aprendizaje profundo para la segmentación automática de la vía aérea superior y la localización del área transversal mínima en imágenes bidimensionales
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Desarrollar
Validar
Red neuronal convolucional
Segmentación de vías respiratorias superiores
área mínima de sección transversal
Imágenes radiográficas 2D
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Objetivo: Desarrollar y validar algoritmos de redes neuronales convolucionales para la segmentación automática de vías respiratorias superiores y la localización del área mínima de sección transversal (CSAmin) en imágenes de vías respiratorias radiográficas bidimensionales (2D).
Descripción
Objetivo: Desarrollar y validar algoritmos de redes neuronales convolucionales para la segmentación automática de vías respiratorias superiores y la localización del área mínima de sección transversal (CSAmin) en imágenes de vías respiratorias radiográficas bidimensionales (2D).