Beste gast, welkom bij deze publicatiedatabase. Als anonieme gebruiker zul je waarschijnlijk geen rechten hebben om iets aan te passen. Ook kan je de hierarchie van onderwerpen niet blijvend open- of dichtklappen. Als je deze, en andere, mogelijkeheden ook wil hebben, zou je contact op kunnen nemen met Admin (Ivan Eggel) voor het aanvragen van een gebruikersaccount.
Institute of Informatics (II)
  icon
Thema: MedGIFT

-Keine Beschreibung-

Unterthemen:

Schlagworte:


  • 607 Publikationen (0 read)
  • 984 Autoren [betrachten]
  • 42 Unterthemen
Publikationen für Thema: MedGIFT sortiert nach Aktualität

Arthur Chevalley, Valentin Oreiller, Julien Fageot, John O. Prior, Vincent Andrearczyk und Adrien Depeursinge, A Bispectral 3D UNet for Rotation Robustness in Medical Segmentation, in: The First Workshop on Topology- and Graph-Informed Imaging Informatics at MICCAI, Seiten 43-54, Springer Nature Switzerland, 2024
attachment
[DOI]
[URL]
Head and Neck Tumor Segmentation and Outcome Prediction, Springer International Publishing, 2022
[DOI]
[URL]
Vincent Andrearczyk, Valentin Oreiller, Mario Jreige, Joel Castelli, John O. Prior und Adrien Depeursinge, Segmentation and Classification of Head and Neck Nodal Metastases and Primary Tumors in PET/CT, in: 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC), Seiten 4731-4735, 2022
attachment
Daniel Abler, Vincent Andrearczyk, Valentin Oreiller, Javier Barranco Garcia, Diem Vuong, Stephanie Tanadini-Lang, Matthias Guckenberger, Mauricio Reyes und Adrien Depeursinge, Comparison of MR preprocessing strategies and sequences for radiomics-based MGMT prediction, in: Brainlesion: Glioma, Multiple Sclerosis, Stroke and Traumatic Brain Injuries (MICCAI/BrainLes 2021), Cham, Seiten 367–380, Springer International Publishing, 2022
attachment
[DOI]
Mara Graziani, Thomas Lompech, Henning Müller, Adrien Depeursinge und Vincent Andrearczyk, On the Scale Invariance in State of the Art CNNs Trained on ImageNet (2021), in: Special Issue "Interpretable and Annotation-Efficient Learning for Medical Image Computing" in Machine Learning and Knowledge Extraction:3(374–391)
attachment