Deep learning for magnetic resonance spectroscopy: a time-frequency analysis approach

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU137021" target="_blank" >RIV/00216305:26220/20:PU137021 - isvavai.cz</a>
Výsledek na webu
<a href="http://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=3&SID=C37QBScKbtCLTGKNC4k&page=1&doc=1" target="_blank" >http://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=3&SID=C37QBScKbtCLTGKNC4k&page=1&doc=1</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Deep learning for magnetic resonance spectroscopy: a time-frequency analysis approach
Popis výsledku v původním jazyce
In this study, we verify the hypothesis that deep learning in combination with time-frequency analsis can be used for metabolite quantification and yeilds results more robust than deep learning trained with magnetic resonance signals in the frequency domain.
Název v anglickém jazyce
Deep learning for magnetic resonance spectroscopy: a time-frequency analysis approach
Popis výsledku anglicky
In this study, we verify the hypothesis that deep learning in combination with time-frequency analsis can be used for metabolite quantification and yeilds results more robust than deep learning trained with magnetic resonance signals in the frequency domain.

Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)