/
/
Application de la segmentation d’images médicales basée sur l’apprentissage profond via la tomodensitométrie orbitale
This content is Free Access.
Capitoli
- 00:04Introduction
- 00:42Eyeball, Optic Nerve, and Extraocular Muscle Masking on the Orbital CT Scans
- 01:42Pre-Processing: Window Clipping and Cropping the VOIs
- 02:16Four Cross-Validations of the Orbital Segmentation Model
- 02:57Results: Segmentation Results of the Orbital Structures
- 04:01Conclusion
Un protocole de segmentation d’objets pour les images orbitales de tomodensitométrie (CT) est introduit. Les méthodes d’étiquetage de la réalité terrestre des structures orbitales en utilisant la super-résolution, l’extraction du volume d’intérêt des images CT et la modélisation de la segmentation multi-étiquettes à l’aide de U-Net séquentiel 2D pour les images CT orbitales sont expliquées pour l’apprentissage supervisé.
