Performance evaluation of brain tumor segmentation based on U-Net hybrid model
Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Medical image segmentation of brain tumors is a crucial aspect of medical image analysis with direct implications for diagnosis and treatment decisions. In this study, we systematically evaluated the performance of U-Net and its variants (Dense U-Net, DeepResU-Net) on the BraTS18 dataset. Experiments show that the DeepResU-Net model optimally segments healthy tissue, tumor cores, and enhanced tumors. This study provides an essential theoretical basis for automated segmentation of brain tumors, highlighting the importance of choosing an appropriate model architecture to improve segmentation performance.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Performance evaluation of brain tumor segmentation based on U-Net hybrid model
- Date Crossref
- 01/12/2024
- Éditeur
- Institution of Engineering and Technology (IET)
- Type
- journal-article
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
-
Chengdu University of Information Technology pays non établi dans la noticeUniversité ou école supérieure
-
Case Western Reserve University pays non établi dans la noticeUniversité ou école supérieure
-
College of Artificial Intelligence pays non établi dans la noticeUniversité ou école supérieure
-
Case School of Engineering Department of Biomedical Engineering pays non établi dans la noticeUniversité ou école supérieure
-
School of Software Engineering pays non établi dans la noticeUniversité ou école supérieure
Chengdu University of Information Technology, Case Western Reserve University et College of Artificial Intelligence, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.