Medical Imaging 2019: Computer-Aided Diagnosis 2019
DOI: 10.1117/12.2513021
|View full text |Cite
|
Sign up to set email alerts
|

Exploratory learning with convolutional autoencoder for discrimination of architectural distortion in digital mammography

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
0
0
4

Year Published

2020
2020
2020
2020

Publication Types

Select...
1
1

Relationship

0
2

Authors

Journals

citations
Cited by 2 publications
(4 citation statements)
references
References 12 publications
0
0
0
4
Order By: Relevance
“…O melhor resultado foi obtido com a aplicação do descritor LMP. No quarto trabalho (OLIVEIRA et al, 2019), os autores apresentaram uma nova versão do banco de mamografia digital, expandida para 350 mamografias digitais, das quais 175 contêm DA, e as demais 175, são imagens sem DA. Foram extraídas 50 ROIs de cada mamografia, totalizando 17500 regiões de interesse.…”
Section: Considerações Iniciaisunclassified
See 3 more Smart Citations
“…O melhor resultado foi obtido com a aplicação do descritor LMP. No quarto trabalho (OLIVEIRA et al, 2019), os autores apresentaram uma nova versão do banco de mamografia digital, expandida para 350 mamografias digitais, das quais 175 contêm DA, e as demais 175, são imagens sem DA. Foram extraídas 50 ROIs de cada mamografia, totalizando 17500 regiões de interesse.…”
Section: Considerações Iniciaisunclassified
“…Para as mamografias sem DA, as 50 amostras de cada imagem foram extraídas aleatoriamente, considerando-se apenas busca dentro da região mamária. O banco de mamografia digital consiste, assim, em 17.500 amostras de mamografias digitais (OLIVEIRA et al, 2019). Algumas amostras extraídas com DA e sem DA são apresentadas na Figura 25.…”
Section: Base De Mamografia Digitalunclassified
See 2 more Smart Citations