Unsupervised Deep Anomaly Detection in Chest Radiographs

The purposes of this study are to propose an unsupervised anomaly detection method based on a deep neural network (DNN) model, which requires only normal images for training, and to evaluate its performance with a large chest radiograph dataset. We used the auto-encoding generative adversarial netwo...

Szczegółowa specyfikacja

Zapisane w:
Opis bibliograficzny
Wydane w:J Digit Imaging
Główni autorzy: Nakao, Takahiro, Hanaoka, Shouhei, Nomura, Yukihiro, Murata, Masaki, Takenaga, Tomomi, Miki, Soichiro, Watadani, Takeyuki, Yoshikawa, Takeharu, Hayashi, Naoto, Abe, Osamu
Format: Artigo
Język:Inglês
Wydane: Springer International Publishing 2021
Hasła przedmiotowe:
Original Paper
Dostęp online:https://ncbi.nlm.nih.gov/pmc/articles/PMC8289984/
https://ncbi.nlm.nih.gov/pubmed/33555397
https://ncbi.nlm.nih.govhttp://dx.doi.org/10.1007/s10278-020-00413-2
Etykiety: Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!

Podobne zapisy