On the Implementation of Planar 3D Transfer Learning for End to End Unimodal MRI Unbalanced Data Segmentation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F21%3APU141427" target="_blank" >RIV/00216305:26220/21:PU141427 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/65269705:_____/21:00074507
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-030-76423-4_10" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-76423-4_10</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-76423-4_10" target="_blank" >10.1007/978-3-030-76423-4_10</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On the Implementation of Planar 3D Transfer Learning for End to End Unimodal MRI Unbalanced Data Segmentation
Popis výsledku v původním jazyce
This article describes detailed notes on the practical implementation of our paper Planar 3D transfer learning for end to end unimodal MRI unbalanced data segmentation (ICPR 2020, Milan), which deals with a problem of multiple sclerosis lesion segmentation from a unimodal MRI flair brain scan by applying a planar 3D transfer learning backbone weights to an autoencoder segmentation neural network. Our source code is published online under an open-source license, and we provide step-by-step instructions for the reproduction of our results.
Název v anglickém jazyce
On the Implementation of Planar 3D Transfer Learning for End to End Unimodal MRI Unbalanced Data Segmentation
Popis výsledku anglicky
This article describes detailed notes on the practical implementation of our paper Planar 3D transfer learning for end to end unimodal MRI unbalanced data segmentation (ICPR 2020, Milan), which deals with a problem of multiple sclerosis lesion segmentation from a unimodal MRI flair brain scan by applying a planar 3D transfer learning backbone weights to an autoencoder segmentation neural network. Our source code is published online under an open-source license, and we provide step-by-step instructions for the reproduction of our results.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20204 - Robotics and automatic control
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Reproducible Research in Pattern Recognition
ISBN
978-3-030-76422-7
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
146-151
Název nakladatele
Springer, Cham
Místo vydání
Online
Místo konání akce
Milano
Datum konání akce
10. 1. 2021
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—