Deep learning for bone segmentation: towards automating failure load simulations - Archive ouverte HAL
Communication Dans Un Congrès Année : 2023

Deep learning for bone segmentation: towards automating failure load simulations

Résumé

In this paper, we propose a dedicated pipeline of pre-processing, deep learning-based segmentation and post-processing for human femurs and vertebras segmentation of CT-scans volumes. For both tasks, we experimented with three U-Net architectures and showed that out-of-the-box models enable automatic and high-quality volume segmentation, if carefully trained.
Fichier principal
Vignette du fichier
Saillard et al. - 2023 - Deep learning for bone segmentation towards autom.pdf (631.4 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04288748 , version 1 (16-11-2023)

Identifiants

  • HAL Id : hal-04288748 , version 1

Citer

Emile Saillard, Marc Gardegaront, François Bermond, David Mitton, Jean-Baptiste Pialat, et al.. Deep learning for bone segmentation: towards automating failure load simulations. 48e Congrès de la Société de Biomécanique, Oct 2023, Grenoble, France. pp.S27-S29. ⟨hal-04288748⟩
68 Consultations
66 Téléchargements

Partager

More