( en | de | ru )

 

Disambiguierung von "Vandemeulebroucke, Jef"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Handcrafted Features Can Boost Performance and Data-Efficiency for Deep Detection of Lung Nodules From CT Imaging.

, , , und . IEEE Access, (2023)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Dennis Jeffrey

Jef Last

Jef Jacobs

Jef Maerien

Nikolai Jefremov

 

Weitere Publikationen von Autoren mit dem selben Namen

Automated Quantification of Blood Flow Velocity from Time-Resolved CT Angiography., , , , , , und . CVII-STENT/LABELS@MICCAI, Volume 11043 von Lecture Notes in Computer Science, Seite 11-18. Springer, (2018)Respiratory Motion Estimation from Cone-Beam Projections Using a Prior Model., , , und . MICCAI (1), Volume 5762 von Lecture Notes in Computer Science, Seite 365-372. Springer, (2009)The pythagorean averages as group images in efficient groupwise registration., , , , und . ISBI, Seite 1261-1264. IEEE, (2016)Artificially augmenting data or adding more samples? A study on a 3D CNN for lung nodule classification., , und . Medical Imaging: Computer-Aided Diagnosis, Volume 11314 von SPIE Proceedings, SPIE, (2020)Explainable-by-design Semi-Supervised Representation Learning for COVID-19 Diagnosis from CT Imaging., , , , , , , , , und 30 andere Autor(en). CoRR, (2020)COVID-19 Lesion Segmentation Framework for the Contrast-Enhanced CT in the Absence of Contrast-Enhanced CT Annotations., , , und . MILLanD@MICCAI, Volume 14307 von Lecture Notes in Computer Science, Seite 71-81. Springer, (2023)Validation, comparison, and combination of algorithms for automatic detection of pulmonary nodules in computed tomography images: the LUNA16 challenge., , , , , , , , , und 21 andere Autor(en). CoRR, (2016)Comparative study of deep learning methods for the automatic segmentation of lung, lesion and lesion type in CT scans of COVID-19 patients., , , , , , , , , und 12 andere Autor(en). CoRR, (2020)Intensity Standardization of Skeleton in Follow-Up Whole-Body MRI., , , , , und . CSI@MICCAI, Volume 11397 von Lecture Notes in Computer Science, Seite 77-89. Springer, (2018)Handcrafted Features Can Boost Performance and Data-Efficiency for Deep Detection of Lung Nodules From CT Imaging., , , und . IEEE Access, (2023)