Literatura científica selecionada sobre o tema "Ultrasound image segmentation"
Crie uma referência precisa em APA, MLA, Chicago, Harvard, e outros estilos
Índice
Consulte a lista de atuais artigos, livros, teses, anais de congressos e outras fontes científicas relevantes para o tema "Ultrasound image segmentation".
Ao lado de cada fonte na lista de referências, há um botão "Adicionar à bibliografia". Clique e geraremos automaticamente a citação bibliográfica do trabalho escolhido no estilo de citação de que você precisa: APA, MLA, Harvard, Chicago, Vancouver, etc.
Você também pode baixar o texto completo da publicação científica em formato .pdf e ler o resumo do trabalho online se estiver presente nos metadados.
Artigos de revistas sobre o assunto "Ultrasound image segmentation"
J. Hemalatha, R., Dr V. Vijaybaskar, A. Josephin Arockia Dhivya e . "Early detection of joint abnormalities from ultrasound images". International Journal of Engineering & Technology 7, n.º 2.25 (3 de maio de 2018): 105. http://dx.doi.org/10.14419/ijet.v7i2.25.16569.
Texto completo da fonteKwak, Deawon, Jiwoo Choi e Sungjin Lee. "Rethinking Breast Cancer Diagnosis through Deep Learning Based Image Recognition". Sensors 23, n.º 4 (19 de fevereiro de 2023): 2307. http://dx.doi.org/10.3390/s23042307.
Texto completo da fonteBao, Junxiao, Cuilin Bei, Xiang Zheng e Jinli Wang. "Deep Learning Algorithm in Biomedical Engineering in Intelligent Automatic Processing and Analysis of Sports Images". Wireless Communications and Mobile Computing 2022 (30 de julho de 2022): 1–10. http://dx.doi.org/10.1155/2022/3196491.
Texto completo da fonteSree, S. Jayanthi, e C. Vasanthanayaki. "Ultrasound Fetal Image Segmentation Techniques: A Review". Current Medical Imaging Formerly Current Medical Imaging Reviews 15, n.º 1 (7 de dezembro de 2018): 52–60. http://dx.doi.org/10.2174/1573405613666170622115527.
Texto completo da fonteShao, Liping, Zubang Zhou, Hongmei Wu, Jinrong Ni e Shulan Li. "Modeling of Hidden Markov in Ultrasound Image-Assisted Diagnosis". Journal of Healthcare Engineering 2021 (12 de abril de 2021): 1–10. http://dx.doi.org/10.1155/2021/5597591.
Texto completo da fonteWu, Shibin, Shaode Yu, Ling Zhuang, Xinhua Wei, Mark Sak, Neb Duric, Jiani Hu e Yaoqin Xie. "Automatic Segmentation of Ultrasound Tomography Image". BioMed Research International 2017 (2017): 1–8. http://dx.doi.org/10.1155/2017/2059036.
Texto completo da fonteNoble, J. A., e D. Boukerroui. "Ultrasound image segmentation: a survey". IEEE Transactions on Medical Imaging 25, n.º 8 (agosto de 2006): 987–1010. http://dx.doi.org/10.1109/tmi.2006.877092.
Texto completo da fonteSun, Jingmeng, e Yifei Liu. "Segmentation for Human Motion Injury Ultrasound Medical Images Using Deep Feature Fusion". Mathematical Problems in Engineering 2022 (29 de agosto de 2022): 1–9. http://dx.doi.org/10.1155/2022/4825720.
Texto completo da fonteSuri, Jasjit, Yujun Guo, Cara Coad, Tim Danielson, Idris Elbakri e Roman Janer. "Image Quality Assessment via Segmentation of Breast Lesion in X-ray and Ultrasound Phantom Images from Fischer's Full Field Digital Mammography and Ultrasound (FFDMUS) System". Technology in Cancer Research & Treatment 4, n.º 1 (fevereiro de 2005): 83–92. http://dx.doi.org/10.1177/153303460500400111.
Texto completo da fonteCai, Lina, Qingkai Li, Junhua Zhang, Zhenghua Zhang, Rui Yang e Lun Zhang. "Ultrasound image segmentation based on Transformer and U-Net with joint loss". PeerJ Computer Science 9 (20 de outubro de 2023): e1638. http://dx.doi.org/10.7717/peerj-cs.1638.
Texto completo da fonteTeses / dissertações sobre o assunto "Ultrasound image segmentation"
Gong, Lixin. "Prostate ultrasound image segmentation and registration /". Thesis, Connect to this title online; UW restricted, 2003. http://hdl.handle.net/1773/5937.
Texto completo da fonteRohlén, Robin. "Segmentation of motor units in ultrasound image sequences". Thesis, Umeå universitet, Institutionen för matematik och matematisk statistik, 2016. http://urn.kb.se/resolve?urn=urn:nbn:se:umu:diva-126896.
Texto completo da fonteBadiei, Sara. "Prostate segmentation in ultrasound images using image warping and ellipsoid fitting". Thesis, University of British Columbia, 2007. http://hdl.handle.net/2429/31737.
Texto completo da fonteApplied Science, Faculty of
Electrical and Computer Engineering, Department of
Graduate
Quartararo, John David. "Semi-Automated Segmentation of 3D Medical Ultrasound Images". Digital WPI, 2009. https://digitalcommons.wpi.edu/etd-theses/155.
Texto completo da fonteGhose, Soumya. "Robust image segmentation applied to magnetic resonance and ultrasound images of the prostate". Doctoral thesis, Universitat de Girona, 2012. http://hdl.handle.net/10803/98524.
Texto completo da fonteLa segmentació de la pròstata en imatge d'ultrasò (US) i de ressonància magnètica (MRI) permet l'estimació del volum, el registre multi-modal i la planificació quirúrgica de biòpsies guiades per imatge. L'objectiu d'aquesta tesi és el desenvolupament d'algorismes automàtics per a la segmentació de la pròstata en aquestes modalitats. Es proposa un aprenentatge automàtic inical per obtenir una primera classificació de la pròstata que permet, a continuació, la inicialització i evolució de diferents models deformables. Per imatges d'US, es proposen un model explícit basat en forma i informació regional i un model implícit basat en la minimització d'una funció d'energia. En MRI, les probalitats inicials es fusionen amb una imatge de probabilitat provinent d'una segmentació basada en atlas, i la minimització es realitza mitjançant tècniques de grafs. El resultat final és una significant millora dels algorismes actuals en ambdues modalitats d'imatge.
Wen, Shuangyue. "Automatic Tongue Contour Segmentation using Deep Learning". Thesis, Université d'Ottawa / University of Ottawa, 2018. http://hdl.handle.net/10393/38343.
Texto completo da fonteZhao, Ningning. "Inverse problems in medical ultrasound images - applications to image deconvolution, segmentation and super-resolution". Phd thesis, Toulouse, INPT, 2016. http://oatao.univ-toulouse.fr/16613/1/Zhao.pdf.
Texto completo da fontevon, Lavante Etienne. "Segmentation and sizing of breast cancer masses with ultrasound elasticity imaging". Thesis, University of Oxford, 2009. http://ora.ox.ac.uk/objects/uuid:81225f61-6b83-405b-aed5-17b316ed586a.
Texto completo da fonteRackham, Thomas. "Ultrasound segmentation tools and their application to assess fetal nutritional health". Thesis, University of Oxford, 2016. http://ora.ox.ac.uk/objects/uuid:5d102b18-dd32-4004-8aa5-b04242139daa.
Texto completo da fonteNavarrete, Hurtado Hugo Ariel. "Electromagnetic models for ultrasound image processing". Doctoral thesis, Universitat Politècnica de Catalunya, 2016. http://hdl.handle.net/10803/398235.
Texto completo da fonteEl ruido Speckle aparece cuando se utilizan sistemas de iluminación coherente, como por ejemplo Láser, Radar de Apertura Sintética (SAR), Sonar, Resonancia Magnética, rayos X y ultrasonidos. Los ecos dispersados por los centros dispersores distribuidos al azar en la estructura microscópica del medio son el origen de este fenómeno, que caracteriza las imágenes coherentes con un aspecto granular. Se puede demostrar que el ruido Speckle es de carácter multiplicativo, fuertemente correlacionados y lo más importante, con estadística no Gaussiana. Estas características son muy diferentes de la suposición tradicional de ruido aditivo gaussiano blanco, a menudo asumida en la segmentación de imágenes, filtrado, y en general, en el procesamiento de imágenes; lo cual se traduce en la reducción de la eficacia de los métodos para la extracción de información de la imagen final. La modelización estadística es de particular relevancia cuando se trata con datos Speckle, a fin de obtener algoritmos de procesamiento de imágenes eficientes. Además, el procesamiento no lineal de señales empleado en sistemas clínicos de imágenes por ultrasonido para reducir el rango dinámico de la señal de eco de entrada de manera que coincida con el rango dinámico más pequeño del dispositivo de visualización y resaltar así los objetos con dispersión más débil, modifica radicalmente la estadística de los datos. Esta reducción en el rango dinámico se logra normalmente a través de un amplificador logarítmico es decir, la compresión logarítmica, que comprime selectivamente las señales de entrada y una forma analítica para la expresión de la función de densidad de los datos transformados logarítmicamente es por lo general difícil de derivar. Esta tesis se centra en las distribuciones estadísticas de la amplitud de la señal comprimida logarítmicamente en las imágenes coherentes, y su principal objetivo es el desarrollo de un modelo estadístico general para las imágenes por ultrasonido comprimidas logarítmicamente en modo-B. El modelo desarrollado se adaptó, realizando las analogías físicas relevantes, del modelo multiplicativo en radares de apertura sintética (SAR). El Modelo propuesto puede describir correctamente los datos comprimidos logarítmicamente a partir datos generados con los diferentes modelos propuestos en la literatura especializada en procesamiento de imágenes por ultrasonido. Además, el modelo se aplica con éxito para modelar ecocardiografías en vivo. Se enuncian y demuestran los teoremas necesarios para dar cuenta de una demostración matemática rigurosa de la validez y generalidad del modelo. Además, se da una interpretación física de los parámetros y se establecen las conexiones entre el teorema central del límite generalizado, el modelo multiplicativo y la composición de distribuciones para los diferentes modelos propuestos hasta a la fecha. Se demuestra además que los parámetros del amplificador logarítmico se incluyen dentro de los parámetros del modelo y se estiman usando los métodos estándar de momentos y máxima verosimilitud. Por último, tres aplicaciones se desarrollan: filtrado de ruido Speckle, segmentación de ecocardiografías y un nuevo enfoque para la evaluación de la fracción de eyección cardiaca.
Livros sobre o assunto "Ultrasound image segmentation"
wasson, vikas, e gurinder kaur. Novel Approach for Thyroid Segmentation of Ultrasound Images Based on Neural Networks. Independently Published, 2018.
Encontre o texto completo da fonteEvaluation of Segmentation for Bone Structures in 3D Rendering of Ultrasound Residual Limb Images. Storming Media, 1996.
Encontre o texto completo da fonteCapítulos de livros sobre o assunto "Ultrasound image segmentation"
Stojanovski, David, Uxio Hermida, Pablo Lamata, Arian Beqiri e Alberto Gomez. "Echo from Noise: Synthetic Ultrasound Image Generation Using Diffusion Models for Real Image Segmentation". In Simplifying Medical Ultrasound, 34–43. Cham: Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-44521-7_4.
Texto completo da fonteKolář, Radim, e Jiří Kozumplík. "Fuzzy Approach in Ultrasound Image Segmentation". In Computational Intelligence. Theory and Applications, 924–29. Berlin, Heidelberg: Springer Berlin Heidelberg, 2001. http://dx.doi.org/10.1007/3-540-45493-4_92.
Texto completo da fonteLi, Haoming, Xin Yang, Jiamin Liang, Wenlong Shi, Chaoyu Chen, Haoran Dou, Rui Li et al. "Contrastive Rendering for Ultrasound Image Segmentation". In Medical Image Computing and Computer Assisted Intervention – MICCAI 2020, 563–72. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-59716-0_54.
Texto completo da fonteArchip, Neculai, Robert Rohling, Peter Cooperberg, Hamid Tahmasebpour e Simon K. Warfield. "Spectral Clustering Algorithms for Ultrasound Image Segmentation". In Lecture Notes in Computer Science, 862–69. Berlin, Heidelberg: Springer Berlin Heidelberg, 2005. http://dx.doi.org/10.1007/11566489_106.
Texto completo da fonteTalebi, Mohammad, e Ahmad Ayatollahi. "Genetic Snake for Medical Ultrasound Image Segmentation". In Lecture Notes in Computer Science, 48–58. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-21596-4_6.
Texto completo da fonteCasaburi, D., L. D’Amore, L. Marcellino e A. Murli. "A Motion-Aided Ultrasound Image Sequence Segmentation". In Numerical Mathematics and Advanced Applications 2009, 217–25. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010. http://dx.doi.org/10.1007/978-3-642-11795-4_22.
Texto completo da fonteShah, Nemil, Jay Bhatia, Nimit Vasavat, Kanishk Shah e Pratik B. Kanani. "Ultrasound Nerve Image Segmentation Using Attention Mechanism". In Lecture Notes in Electrical Engineering, 789–802. Singapore: Springer Nature Singapore, 2023. http://dx.doi.org/10.1007/978-981-99-5974-7_63.
Texto completo da fonteYang, Xin, Haoran Dou, Ran Li, Xu Wang, Cheng Bian, Shengli Li, Dong Ni e Pheng-Ann Heng. "Generalizing Deep Models for Ultrasound Image Segmentation". In Medical Image Computing and Computer Assisted Intervention – MICCAI 2018, 497–505. Cham: Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-00937-3_57.
Texto completo da fonteLi, W., J. G. Bosch, Y. Zhong, H. v. Urk, E. J. Gussenhoven, F. Mastik, F. v. Egmond, H. Rijsterborgh, J. H. C. Reiber e N. Bom. "Image Segmentation and 3D Reconstruction of Intravascular Ultrasound Images". In Acoustical Imaging, 489–96. Boston, MA: Springer US, 1993. http://dx.doi.org/10.1007/978-1-4615-2958-3_65.
Texto completo da fonteYang, Xin, Lequan Yu, Shengli Li, Xu Wang, Na Wang, Jing Qin, Dong Ni e Pheng-Ann Heng. "Towards Automatic Semantic Segmentation in Volumetric Ultrasound". In Medical Image Computing and Computer Assisted Intervention − MICCAI 2017, 711–19. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-66182-7_81.
Texto completo da fonteTrabalhos de conferências sobre o assunto "Ultrasound image segmentation"
Nugroho, Anan, Risanuri Hidayat e Hanung Adi Nugroho. "Thyroid Ultrasound Image Segmentation: A Review". In 2019 5th International Conference on Science and Technology (ICST). IEEE, 2019. http://dx.doi.org/10.1109/icst47872.2019.9166443.
Texto completo da fonteBass, Vivian, Julieta Mateos, Ivan M. Rosado-Mendez e Jorge Márquez. "Ultrasound image segmentation methods: A review". In PROCEEDINGS OF THE XVI MEXICAN SYMPOSIUM ON MEDICAL PHYSICS. AIP Publishing, 2021. http://dx.doi.org/10.1063/5.0051110.
Texto completo da fonteYuan, Baichuan, Yoni Dukler, Long Zhao, Yizhou Qian, Yurun Ge, Shintaro Yamamoto, Blake Hunter, Andrea L. Bertozzi, Jesse T. Yen e Rafael Llerena. "Automatic valve segmentation in cardiac ultrasound time series data". In Image Processing, editado por Elsa D. Angelini e Bennett A. Landman. SPIE, 2018. http://dx.doi.org/10.1117/12.2293255.
Texto completo da fonteTriyani, Yuli, Hanung Adi Nugroho, Made Rahmawaty, Igi Ardiyanto e Lina Choridah. "Performance analysis of image segmentation for breast ultrasound images". In 2016 8th International Conference on Information Technology and Electrical Engineering (ICITEE). IEEE, 2016. http://dx.doi.org/10.1109/iciteed.2016.7863298.
Texto completo da fonteSridevi, S., e M. Sundaresan. "Survey of image segmentation algorithms on ultrasound medical images". In 2013 International Conference on Pattern Recognition, Informatics and Mobile Engineering (PRIME). IEEE, 2013. http://dx.doi.org/10.1109/icprime.2013.6496475.
Texto completo da fonteKissi, A., S. Cormier, L. Pourcelot e F. Tranquart. "Automatic lesions segmentation in ultrasound nonlinear imaging". In 2005 International Conference on Image Processing. IEEE, 2005. http://dx.doi.org/10.1109/icip.2005.1529960.
Texto completo da fonteLiu, Qi, Yinan Ge, Yue Ou e Biao Cao. "Freehand 3D ultrasound breast tumor segmentation". In International Symposium on Multispectral Image Processing and Pattern Recognition, editado por Jianguo Liu, Kunio Doi, Patrick S. P. Wang e Qiang Li. SPIE, 2007. http://dx.doi.org/10.1117/12.743708.
Texto completo da fontede Carvalho, Isabela Miller, Rodrigo Leite Q. Basto, Antonio Fernando C. Infantosi, Marco Antonio von Kruger e Wagner Coelho de A. Pereira. "Breast ultrasound phantom for image segmentation assessment". In 2009 IEEE International Ultrasonics Symposium. IEEE, 2009. http://dx.doi.org/10.1109/ultsym.2009.5441417.
Texto completo da fonteKarunanayake, Nalan, e Stanislav S. Makhanov. "Artificial Life for Breast Ultrasound Image Segmentation". In 2022 7th International Conference on Frontiers of Signal Processing (ICFSP). IEEE, 2022. http://dx.doi.org/10.1109/icfsp55781.2022.9924946.
Texto completo da fonteAgarwalla, Rhythm, Satyajeet Kumar Ray e Saurav Paul. "AttentionFractalCovNet Architecture for Breast Ultrasound Image Segmentation". In 2023 OITS International Conference on Information Technology (OCIT). IEEE, 2023. http://dx.doi.org/10.1109/ocit59427.2023.10430724.
Texto completo da fonteRelatórios de organizações sobre o assunto "Ultrasound image segmentation"
He, Ping, e Jun Zheng. Segmentation of TIBIA Bone in Ultrasound Images Using Active Shape Models. Fort Belvoir, VA: Defense Technical Information Center, outubro de 2001. http://dx.doi.org/10.21236/ada412425.
Texto completo da fonte