Deep Learning Approach to Automatize TMTV ...
Type de document :
Article dans une revue scientifique: Article original
PMID :
URL permanente :
Titre :
Deep Learning Approach to Automatize TMTV Calculations Regardless of Segmentation Methodology for Major FDG-Avid Lymphomas.
Auteur(s) :
Revailler, W. [Auteur]
Cottereau, A. S. [Auteur]
Rossi, C. [Auteur]
Noyelle, R. [Auteur]
Trouillard, T. [Auteur]
Morschhauser, Franck [Auteur]
Groupe de Recherche sur les formes Injectables et les Technologies Associées (GRITA) - ULR 7365
Casasnovas, O. [Auteur]
Thieblemont, C. [Auteur]
Gouill, S. L. [Auteur]
André, M. [Auteur]
Ghesquieres, H. [Auteur]
Ricci, R. [Auteur]
Meignan, M. [Auteur]
Kanoun, S. [Auteur]
Cottereau, A. S. [Auteur]
Rossi, C. [Auteur]
Noyelle, R. [Auteur]
Trouillard, T. [Auteur]
Morschhauser, Franck [Auteur]
Groupe de Recherche sur les formes Injectables et les Technologies Associées (GRITA) - ULR 7365
Casasnovas, O. [Auteur]
Thieblemont, C. [Auteur]
Gouill, S. L. [Auteur]
André, M. [Auteur]
Ghesquieres, H. [Auteur]
Ricci, R. [Auteur]
Meignan, M. [Auteur]
Kanoun, S. [Auteur]
Titre de la revue :
Diagnostics (Basel)
Nom court de la revue :
Diagnostics (Basel)
Date de publication :
2022-02-26
ISSN :
2075-4418
Mot(s)-clé(s) en anglais :
total metabolic tumor volume
lymphoma
deep learning
convolutional neural network
lymphoma
deep learning
convolutional neural network
Discipline(s) HAL :
Sciences du Vivant [q-bio]
Langue :
Anglais
Établissement(s) :
Université de Lille
CHU Lille
CHU Lille
Collections :
Date de dépôt :
2023-05-25T02:43:33Z