Discriminative Hamiltonian variational autoencoder for accurate tumor segmentation in data-scarce regimes

Deep learning has gained significant attention in medical image segmentation. However, the limited availability of annotated training data presents a challenge to achieving accurate results. In efforts to overcome this challenge, data augmentation techniques have been proposed. However, the majority...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Neurocomputing (Amsterdam) Ročník 606; s. 128360
Hlavní autoři:	Kebaili, Aghiles, Lapuyade-Lahorgue, Jérôme, Vera, Pierre, Ruan, Su
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 14.11.2024 Elsevier
Témata:	Data augmentation Deep learning Generative modeling Hamiltonian Variational Autoencoder Life Sciences MRI PET Tumor segmentation Variational Autoencoder Deep learning Generative modeling Hamiltonian Variational Autoencoder MRI Variational Autoencoder Data augmentation Tumor segmentation PET Deep learning Data augmentation Tumor segmentation Generative modeling Variational Autoencoder MRI PET Hamiltonian Variational Autoencoder
ISSN:	0925-2312
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!