..

ஜர்னல் ஆஃப் மாலிகுலர் ஹிஸ்டாலஜி & மெடிக்கல் பிசியாலஜி

ஐ.எஸ்.எஸ்.என்: 2684-494X

திறந்த அணுகல்
கையெழுத்துப் பிரதியை சமர்ப்பிக்கவும் arrow_forward arrow_forward ..

Utilizing Deep Learning for Comprehensive Lung and Lesion Quantification in Computerized Tomography Amidst Inconsistent Ground Truth

Abstract

Devashish Nath

Computed Tomography (CT) imaging plays a pivotal role in diagnosing, characterizing, predicting outcomes, and tracking disease progression in individuals affected by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Yet, for a consistent and dependable assessment of pulmonary irregularities, precise segmentation and quantification of both the complete lung and lung lesions (anomalies) in chest CT scans of COVID-19 patients are indispensable. Regrettably, the manual segmentation and quantification of extensive datasets can prove time-intensive and yield low levels of agreement both between different observers and within the same observer, even among experienced radiologists.

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

இந்தக் கட்டுரையைப் பகிரவும்

குறியிடப்பட்டது

arrow_upward arrow_upward