Info
Meny
English
Logg inn
Søk etter prosjekter, resultater og personer
Søk etter prosjekter, resultater og personer
Historikk
Cristin-resultat-ID:
1913815
Sist endret:
24. mars 2022, 17:05
NVI-rapporteringsår:
2021
Resultat
Vitenskapelig artikkel
2021
Anam-Net: Anamorphic Depth Embedding-Based Lightweight CNN for Segmentation of Anomalies in COVID-19 Chest CT Images
Naveen Paluru
Aveen Dayal
Håvard Jenssen
Tomas Sakinis
Linga Reddy Cenkeramaddi
Prakash Jaya
mfl.
Tidsskrift
Tidsskrift
IEEE Transactions on Neural Networks and Learning Systems
ISSN 2162-237X
e-ISSN 2162-2388
NVI-nivå 2
Finn i kanalregisteret
Om resultatet
Om resultatet
Vitenskapelig artikkel
Publiseringsår: 2021
Volum: 32
Hefte: 3
Sider: 932 - 946
Open Access
Lenker
Lenker
original online (doi)
https://doi.org/10.1109/TNNLS.2021.3054746
Institusjonsarkiv
hdl.handle.net/11250/2992293
Importkilder
Importkilder
Scopus-ID: 2-s2.0-85100853793
Beskrivelse
Beskrivelse
Engelsk
Tittel
Anam-Net: Anamorphic Depth Embedding-Based Lightweight CNN for Segmentation of Anomalies in COVID-19 Chest CT Images
Bidragsytere
Bidragsytere
Naveen Paluru
Forfatter
ved Indian Institute of Science
Aveen Dayal
Forfatter
ved Institutt for informasjons- og kommunikasjonsteknologi ved Universitetet i Agder
Håvard Jenssen
Forfatter
ved Avdeling for radiologi og nukleærmedisin ved Oslo universitetssykehus HF
Tomas Sakinis
Forfatter
ved Avdeling for radiologi og nukleærmedisin ved Oslo universitetssykehus HF
Linga Reddy Cenkeramaddi
Forfatter
ved Institutt for informasjons- og kommunikasjonsteknologi ved Universitetet i Agder
1
-
5
av
7
|
Neste
|
Siste »