Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Cranial Defect Reconstruction Using Cascaded CNN with Alignment

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APU138873" target="_blank" >RIV/00216305:26230/20:PU138873 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-3-030-64327-0_7" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-64327-0_7</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-64327-0_7" target="_blank" >10.1007/978-3-030-64327-0_7</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Cranial Defect Reconstruction Using Cascaded CNN with Alignment

  • Popis výsledku v původním jazyce

    Designing a patient-specific cranial implant usually requires reconstructing the defective part of the skull using computer-aided design software, which is a tedious and time-demanding task. This lead to some recent advances in the field of automatic skull reconstruction with use of methods based on shape analysis or deep learning. The AutoImplant Challenge aims at providing a public platform for benchmarking skull reconstruction methods. The BUT submission to this challenge is based on skull alignment using landmark detection followed by a cascade of low-resolution and high-resolution reconstruction convolutional neural network. We demonstrate that the proposed method successfully reconstructs every skull in the standard test dataset and outperforms the baseline method in both overlap and distance metrics, achieving 0.920 DSC and 4.137 mm HD.

  • Název v anglickém jazyce

    Cranial Defect Reconstruction Using Cascaded CNN with Alignment

  • Popis výsledku anglicky

    Designing a patient-specific cranial implant usually requires reconstructing the defective part of the skull using computer-aided design software, which is a tedious and time-demanding task. This lead to some recent advances in the field of automatic skull reconstruction with use of methods based on shape analysis or deep learning. The AutoImplant Challenge aims at providing a public platform for benchmarking skull reconstruction methods. The BUT submission to this challenge is based on skull alignment using landmark detection followed by a cascade of low-resolution and high-resolution reconstruction convolutional neural network. We demonstrate that the proposed method successfully reconstructs every skull in the standard test dataset and outperforms the baseline method in both overlap and distance metrics, achieving 0.920 DSC and 4.137 mm HD.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    N - Vyzkumna aktivita podporovana z neverejnych zdroju

Ostatní

  • Rok uplatnění

    2020

  • 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

    Towards the Automatization of Cranial Implant Design in Cranioplasty

  • ISBN

    978-3-030-64327-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

    56-64

  • Název nakladatele

    Springer Nature Switzerland AG

  • Místo vydání

    Lima

  • Místo konání akce

    Lima

  • Datum konání akce

    8. 10. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku