English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Verfahren zur automatischen Multi-Organ-Segmentierung in medizinischen Bildvolumina beruhen haufig auf annotierten Daten eines Patientenkollektivs (Atlas) und deren Anpassung z.B. durch zeitintensive nichtlineare Registrierung [1]. Bei der MICCAI 2016 Konferenz [2] stellten wir ein registrierungsfreies Framework fur die ubertragung von Vorwissen in Form von segmentierten Trainingsdaten auf ungesehene Patienten mit Hilfe eines neuen starken Klassifizierer vor: dieVantage Point Forests (VPF). Ahnlich zu Random Decision Forests (RDF) werden schnelle Berechnungszeiten von wenigen Sekunden erreicht.

Abstract: Kombination binärer Kontextfeatures mit Vantage Point Forests zur Multi-Organ-Segmentierung