scholarly journals Degeneracy in Self-Calibration Revisited and a Deep Learning Solution for Uncalibrated SLAM

2019 ◽  
Author(s):  
Bingbing Zhuang ◽  
Quoc-Huy Tran ◽  
Gim Hee Lee ◽  
Loong Fah Cheong ◽  
Manmohan Chandraker
Keyword(s):  
Deep Learning ◽  
Self Calibration

scholarly journals Data‐driven self‐calibration and reconstruction for non‐cartesian wave‐encoded single‐shot fast spin echo using deep learning

2019 ◽  
Vol 51 (3) ◽  
pp. 841-853 ◽  
Author(s):  
Feiyu Chen ◽  
Joseph Y. Cheng ◽  
Valentina Taviani ◽  
Vipul R. Sheth ◽  
Ryan L. Brunsing ◽  
...  
Keyword(s):  
Deep Learning ◽  
Spin Echo ◽  
Data Driven ◽  
Fast Spin Echo ◽  
Single Shot ◽  
Self Calibration ◽  
Fast Spin

443: Can Self-Calibration Prevent Urethral Stricture Recurrence Following Direct Visual Internal Urethrotomy?

2005 ◽  
Vol 173 (4S) ◽  
pp. 121-121
Author(s):  
Hari Siva Gurunadha Rao Tunuguntla ◽  
P.V.L.N. Murthy ◽  
K. Sasidharan
Keyword(s):  
Urethral Stricture ◽  
Internal Urethrotomy ◽  
Self Calibration ◽  
Stricture Recurrence

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document