Automatic Segmentation and Location Learning of Neonatal Cerebral Ventricles in 3D Ultrasound Data Combining CNN and CPPN - Archive ouverte HAL
Article Dans Une Revue Computers in Biology and Medicine Année : 2021

Automatic Segmentation and Location Learning of Neonatal Cerebral Ventricles in 3D Ultrasound Data Combining CNN and CPPN

Matthieu Martin
Bruno Sciolla
  • Fonction : Auteur
  • PersonId : 981491
Michaël Sdika
Modeling & analysis for medical imaging and Diagnosis
CV
Philippe Quetin
  • Fonction : Auteur
Philippe Delachartre
Imagerie Ultrasonore
CV

Domaines

Imagerie Traitement du signal et de l'image [eess.SP] Traitement du signal et de l'image [eess.SP]
Fichier principal
Vignette du fichier
S0010482521000627.pdf (4.34 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Accord Elsevier CCSD  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03148181

Soumis le : vendredi 10 mars 2023-08:56:13

Dernière modification le : mercredi 3 juillet 2024-09:00:07

Archivage à long terme le : dimanche 11 juin 2023-19:04:17

Télécharger pour visualiser

Dates et versions

hal-03148181 , version 1 (10-03-2023)

Licence

Paternité - Pas d'utilisation commerciale

Identifiants

Manuscrit accepté hébergé par Elsevier

Citer

Matthieu Martin, Bruno Sciolla, Michaël Sdika, Philippe Quetin, Philippe Delachartre. Automatic Segmentation and Location Learning of Neonatal Cerebral Ventricles in 3D Ultrasound Data Combining CNN and CPPN. Computers in Biology and Medicine, 2021, pp.104268. ⟨10.1016/j.compbiomed.2021.104268⟩. ⟨hal-03148181⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-ST-ETIENNE CNRS UNIV-LYON1 INSA-LYON CREATIS INSA-GROUPE UDL ANR
55 Consultations
43 Téléchargements

Altmetric

Partager

More