Pàgina inicial > Resultats de la cerca: Data augmentation
  Consells de cerca
Cerca avançada
Cerca col·leccions:
Ordena'ls per: Mostrar els resultats: Format de visualizació:
Resultats globals: 8 registres trobats en 0.02 segons.
Articles, 4 registres trobats
Llibres i col·leccions, 1 registres trobats
Documents de recerca, 3 registres trobats
Articles 4 registres trobats  
1.
12 p, 4.0 MB Domain generalization in deep learning for contrast-enhanced imaging / Sendra-Balcells, C. (Universitat de Barcelona) ; Campello, Victor M (Universitat de Barcelona) ; Martín-Isla, C. (Universitat de Barcelona) ; Viladés Medel, David (Institut d'Investigació Biomèdica Sant Pau) ; Descalzo, Martin (Institut d'Investigació Biomèdica Sant Pau) ; Guala, Andrea (Hospital Universitari Vall d'Hebron) ; Rodriguez-Palomares, Jose F (Hospital Universitari Vall d'Hebron) ; Lekadir, K. (Universitat de Barcelona) ; Universitat Autònoma de Barcelona
The domain generalization problem has been widely investigated in deep learning for non-contrast imaging over the last years, but it received limited attention for contrast-enhanced imaging. However, there are marked differences in contrast imaging protocols across clinical centers, in particular in the time between contrast injection and image acquisition, while access to multi-center contrast-enhanced image data is limited compared to available datasets for non-contrast imaging. [...]
2022 - 10.1016/j.compbiomed.2022.106052
Computers in Biology and Medicine, Vol. 149 (october 2022) , p. 106052  
Registre complet - Creative Commons
2.
12 p, 2.9 MB Multi-Centre, Multi-Vendor and Multi-Disease Cardiac Segmentation : The MMs Challenge / Campello, Victor M. (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Gkontra, Polyxeni (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Izquierdo, Cristian (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Martin-Isla, Carlos (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Sojoudi, Alireza (Circle Cardiovascular Imaging Pvt. Ltd.) ; Full, Peter M. (German Cancer Research Center) ; Maier-Hein, Klaus (Division of Medical Image Computing. German Cancer Research Center) ; Zhang, Yao (Chinese Academy of Sciences. Institute of Computing Technology) ; He, Zhiqiang (Lenovo Ltd.) ; Ma, Jun (Nanjing University of Science and Technology) ; Parreno, Mario (Universitat Politècnica de València) ; Albiol, Alberto (Universitat Politècnica de València. iTeam Research Institute) ; Kong, Fanwei (University of California at Berkeley. Department of Mechanical Engineering) ; Shadden, Shawn C. (University of California at Berkeley. Department of Mechanical Engineeringy) ; Corral Acero, Jorge (Institute of Biomedical Engineering. Department of Engineering Science. University of Oxford) ; Sundaresan, Vaanathi (University of Oxford. Nuffield Department of Clinical Neurosciences) ; Saber, Mina (Research and Development Division. Intixel Company S.A.E.) ; Elattar, Mustafa (Research and Development Division. Intixel Company S.A.E.) ; Li, Hongwei (Department of Computer Science. Technische Universität München) ; Menze, Bjoern (Department of Computer Science. Technische Universität München) ; Khader, Firas (ARISTRA GmbH) ; Haarburger, Christoph (ARISTRA GmbH) ; Scannell, Cian M. (School of Biomedical Engineering and Imaging Sciences. King's College London) ; Veta, Mitko (Department of Biomedical Engineering. Eindhoven University of Technology) ; Carscadden, Adam (Department of Radiology and Diagnostic Imaging. University of Alberta) ; Punithakumar, Kumaradevan (Department of Radiology and Diagnostic Imaging. University of Alberta) ; Liu, Xiao (School of Engineering. The University of Edinburgh) ; Tsaftaris, Sotirios A. (School of Engineering. The University of Edinburgh) ; Huang, Xiaoqiong (School of Biomedical Engineering. Shenzhen University) ; Yang, Xin (School of Biomedical Engineering. Shenzhen University) ; Li, Lei (School of Biomedical Engineering. Shenzhen University) ; Zhuang, Xiahai (School of Data Science. Fudan University) ; Viladés Medel, David (Institut d'Investigació Biomèdica Sant Pau) ; Descalzo, Martin (Institut d'Investigació Biomèdica Sant Pau) ; Guala, Andrea (Hospital Universitari Vall d'Hebron. Institut de Recerca) ; Mura, Lucía La (Department of Advanced Biomedical Sciences. University of Naples Federico II) ; Friedrich, Matthias G. (Department of Medicine and Diagnostic Radiology. McGill University) ; Garg, Ria (Department of Medicine and Diagnostic Radiology. McGill University) ; Lebel, Julie (Department of Medicine and Diagnostic Radiology. McGill University) ; Henriques, Filipe. (Department of Cardiology. University Heart Vascular Center Hamburg) ; Karakas, Mahir (Department of Cardiology. University Heart Vascular Center Hamburg) ; Cavus, Ersin (Barts Heart Centre. Barts Health NHS Trust) ; Petersen, Steffen E. (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Escalera, Sergio (Hospital Universitari Vall d'Hebron. Institut de Recerca) ; Segui, Santi (Hospital Universitari Vall d'Hebron. Institut de Recerca) ; Rodriguez-Palomares, Jose F.. (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Lekadir, Karim (Universitat de Barcelona. Departament de Matemàtiques i Informàtica) ; Universitat Autònoma de Barcelona
The emergence of deep learning has considerably advanced the state-of-the-art in cardiac magnetic resonance (CMR) segmentation. Many techniques have been proposed over the last few years, bringing the accuracy of automated segmentation close to human performance. [...]
2021 - 10.1109/TMI.2021.3090082
IEEE Transactions on Medical Imaging, Vol. 40 Núm. 12 (january 2021) , p. 3543-3554  
Registre complet - Creative Commons
3.
12 p, 443.2 KB A Deep Learning-based lung cancer classification of CT images using augmented Convolutional Neural Networks / A. R., Bushara (Noorul Islam Center for Higher Education (Índia)) ; R. S., Vinod Kumar (Noorul Islam Center for Higher Education (Índia))
Lung cancer is worldwide the second death cancer, both in prevalence and lethality, both for women and men. The applicability of machine learning and pattern classification in lung cancer detection and classification is proposed. [...]
2022 - 10.5565/rev/elcvia.1490
ELCVIA : Electronic Letters on Computer Vision and Image Analysis, Vol. 21 Núm. 1 (2022) , p. 130-142 (Regular Issue)  
Registre complet - Creative Commons
4.
21 p, 13.4 MB Polyp Segmentation with Fully Convolutional Deep Neural Networks-Extended Evaluation Study / Guo, Yunbo (University of Central Lancashire) ; Bernal del Nozal, Jorge (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; J. Matuszewski, Bogdan (University of Central Lancashire)
Analysis of colonoscopy images plays a significant role in early detection of colorectal cancer. Automated tissue segmentation can be useful for two of the most relevant clinical target applications-lesion detection and classification, thereby providing important means to make both processes more accurate and robust. [...]
2020 - 10.3390/jimaging6070069
Journal of Imaging, Vol. 6, Num. 7 (July 2020) , art. 69  
Registre complet - Creative Commons

Llibres i col·leccions 1 registres trobats  
1.
9 p, 5.7 MB Data Augmentation from Sketch / Gil, Debora (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Esteban Lansaque, Antonio (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Stefaniga, Sebastian (West University of Timisoara) ; Gaianu, Mihail (West University of Timisoara) ; Sánchez Ramos, Carles (Centre de Visió per Computador (Bellaterra, Catalunya)) ; Universitat Autònoma de Barcelona
State of the art machine learning methods need huge amounts of data with unambiguous annotations for their training. In the context of medical imaging this is, in general, a very difficult task due to limited access to clinical data, the time required for manual annotations and variability across experts. [...]
Cham, Switzerland: Springer, 2019 (Lecture Notes in Computer Science book series (LNCS) ; 11840) - 10.1007/978-3-030-32689-0_16
Uncertainty for Safe Utilization of Machine Learning in Medical Imaging and Clinical Image-Based Procedures, 2019, p. 155-162  
Registre complet -

Documents de recerca 3 registres trobats  
1.
11 p, 4.7 MB Improving neural networks sturdiness through a data-augmentation generated by adversarial attacks / González Torregrosa, Guim ; Baldrich i Caselles, Ramon, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
El propósito de este artículo es analizar qué son los ataques adversarios a las redes neuronales y si las redes pueden aprovechar estos ataques para obtener más datos de entrenamiento, aumentando la precisión y robustez de sus predicciones ante futuros ataques. [...]
The purpose of this article is to analyze what adversarial attacks on neural networks are and whether networks can take advantage of these attacks to obtain more training data, increasing their predictions accuracy and robustness to future attacks. [...]
El propòsit d'aquest article és analitzar què són els atacs adversaris a les xarxes neuronals i si les xarxes poden aprofitar aquests atacs per obtenir més dades d'entrenament, augmentant la precisió i robustesa de les seves prediccions davant futurs atacs. [...]
2021
Enginyeria Informàtica [958]  
Registre complet - Creative Commons
2.
14 p, 9.5 MB Synthetic handwritten text generation / Rico Blanes, Adrià ; Fornes Bisquerra, Alicia, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Rusiñol Sanabra, Marçal, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
Handwritten text recognition requires a large quantity of labelled samples, which are costly to produce. In this project, we explore the possibility of synthetically generating human-like handwritten text, allowing for an effectively infinite amount of labelled samples. [...]
El reconocimiento de texto manuscrito requiere una gran cantidad de ejemplos etiquetados, los cuales son costosos de producir. En este proyecto, se explora la posibilidad de generar sintéticamente texto manuscrito similar al de un humano, permitiendo así obtener una cantidad ilimitada de ejemplos etiquetados. [...]
El reconeixement de text manuscrit requereix una gran quantitat d'exemples etiquetats, els quals són costosos de produir. En aquest projecte, s'explora la possibilitat de generar sintèticament text manuscrit similar al d'un humà, permetent així obtindre una quantitat il·limitada d'exemples etiquetats. [...]
2018-07-02
Enginyeria Informàtica [958]  
Registre complet - Creative Commons
3.
11 p, 1.2 MB Polyp Detection using Convolutional Neural Networks : An Exploratory Study / Rodríguez Carmona, Javier ; Vázquez Bermúdez, David, dir. ; Bernal del Nozal, Jorge, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
This project presents an exploratory study on the potential of using convolutional neural networks (CNNs) to aid in polyp detection tasks. Early polyp detection is crucial for patient survival and it could be very useful for clinicians to have a tool that could aid clinicians in real time to identify polyps in the image. [...]
Este proyecto presenta un estudio exploratorio sobre el potencial de usar redes neuronales convolutivas (CNNs) para ayudar en tareas de detección de pólipos. La detección temprana de pólipos es crucial para la supervivencia del paciente, y podría ser muy útil para los médicos disponer de una herramienta que les ayude a identificar pólipos en tiempo real en las imágenes. [...]
Aquest treball presenta un estudi exploratori sobre el potencial d'usar xarxes neuronals convolutives (CNNs) per ajudar en tasques de detecció de pòlips. La detecció primerenca de pòlips és crucial per a la supervivencia del pacient, i podría ser molt útil per als mèdics disposar d'una eina que els ajudi a identificar pòlips en temps real a les imatges. [...]
2016-06-28
Enginyeria Informàtica [958]  
Registre complet - Creative Commons

Us interessa rebre alertes sobre nous resultats d'aquesta cerca?
Definiu una alerta personal via correu electrònic o subscribiu-vos al canal RSS.
Dipòsit Digital de Documents de la UAB :: Cerca :: Lliura :: Personalitza :: Ajuda
Powered by Invenio v1.1.6
Mantingut per ddd.bib@uab.cat  :: Metadades subjectes a:
Col·laborem