..

ஜர்னல் ஆஃப் மாலிகுலர் ஹிஸ்டாலஜி & மெடிக்கல் பிசியாலஜி

ஐ.எஸ்.எஸ்.என்: 2684-494X

திறந்த அணுகல்
கையெழுத்துப் பிரதியை சமர்ப்பிக்கவும் arrow_forward arrow_forward ..

Application of Deep Learning for Whole-Lung and Lung-Lesion Quantification in Computerized Tomography Despite Inconsistent Ground Truth

Abstract

Devashish Nath

Computed Tomography (CT) imaging is a crucial tool for diagnosing, characterizing, prognosticating and monitoring disease progression in patients infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). However, to evaluate lung abnormalities in a consistent and reliable manner, accurate segmentation and quantification of both the entire lung and lung lesions (abnormalities) in chest CT images of COVID-19 patients is necessary. Unfortunately, manual segmentation and quantification of a large dataset can be time-consuming and have low inter- and intra-observer agreement, even for experienced radiologists.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது மற்றும் இன்னும் மதிப்பாய்வு செய்யப்படவில்லை அல்லது சரிபார்க்கப்படவில்லை

இந்தக் கட்டுரையைப் பகிரவும்

குறியிடப்பட்டது

arrow_upward arrow_upward