Impact on Cost and Expert Time of Data-Efficient Deep Learning for Medical Image Segmentation
Rattachement africain : de, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
A deep learning–based expert-guided annotation loop reduced annotation time and estimated cost while generating high-quality reference standard CT and MRI segmentations and was feasible to implement in a clinical environment without coding.
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
- Impact on Cost and Expert Time of Data-Efficient Deep Learning for Medical Image Segmentation
- Date Crossref
- 01/07/2026
- Éditeur
- Radiological Society of North America (RSNA)
- 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.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.