Deep learning for multi-site ms lesions segmentation: two-step intensity standardization and generalized loss function - Archive ouverte HAL
Communication Dans Un Congrès Année : 2019

Deep learning for multi-site ms lesions segmentation: two-step intensity standardization and generalized loss function

Mots clés

MRI Segmentation MS lesions CNN

Domaines

Informatique [cs] Intelligence artificielle [cs.AI] Traitement des images [eess.IV] Sciences du Vivant [q-bio] Santé publique et épidémiologie Ingénierie biomédicale Imagerie
Fichier principal
Vignette du fichier
Template_ISBI2019.pdf (36.72 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Francesca Galassi  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-02052250

Soumis le : jeudi 28 février 2019-13:21:20

Dernière modification le : vendredi 24 mars 2023-14:53:09

Archivage à long terme le : mercredi 29 mai 2019-18:26:29

Télécharger pour visualiser

Dates et versions

hal-02052250 , version 1 (28-02-2019)

Identifiants

  • HAL Id : hal-02052250 , version 1

Citer

Francesca Galassi, Solène Tarride, Emmanuel Vallée, Olivier Commowick, Christian Barillot. Deep learning for multi-site ms lesions segmentation: two-step intensity standardization and generalized loss function. ISBI 2019 - 16th IEEE International Symposium on Biomedical Imaging, Apr 2019, Venice, Italy. pp.1. ⟨hal-02052250⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSERM UNIV-RENNES1 CNRS INRIA INSA-RENNES IRISA IRISA-INSA-R CENTRALESUPELEC INRIA2 UR1-MATH-STIC UR1-UFR-ISTIC UNIV-RENNES UR1-MATH-NUM UR1-BIO-SA
268 Consultations
327 Téléchargements

Partager

More