Exploring 3D U-Net Training Configurations and Post-processing Strategies for the MICCAI 2023 Kidney and Tumor Segmentation Challenge
14Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : kr. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Exploring 3D U-Net Training Configurations and Post-processing Strategies for the MICCAI 2023 Kidney and Tumor Segmentation Challenge
- Date Crossref
- 01/01/2024
- Éditeur
- Springer Nature Switzerland
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Korea University pays non établi dans la noticeUniversité ou école supérieure
-
Catholic University of Korea pays non établi dans la noticeUniversité ou école supérieure
-
MedAI pays non établi dans la noticeInstitution
Korea University, Catholic University of Korea et MedAI.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Advanced X-ray and CT ImagingRadiomics and Machine Learning in Medical ImagingRenal cell carcinoma treatment