Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | De Araújo, Darlan M.N. [UNESP] | - |
Autor(es): dc.creator | Salvadeo, Denis H. P. [UNESP] | - |
Autor(es): dc.creator | De Paula, Davi D. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:46:17Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:46:17Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2020-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1117/12.2582185 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/206144 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/206144 | - |
Descrição: dc.description | The Digital Breast Tomosynthesis (DBT) projections are obtained with low quality, being essential to use denoising methods to increase the quality of the projections. Currently, deep learning methods have become the state-of-art approach in denoising. Some papers have proposed to apply deep learning methods for denoising DBT projections, however, there is a lack of clarity in the results comparing with traditional methods. In this paper, we proposed to use a CNN to denoise DBT projections, and compare it with traditional denoising methods. The results shown that the CNN is superior quantitatively and qualitatively in comparison with the traditional methods. | - |
Descrição: dc.description | São Paulo State Univ. (Unesp) Institute of Geosciences and Exact Sciences (IGCE) | - |
Descrição: dc.description | São Paulo State Univ. (Unesp) Institute of Geosciences and Exact Sciences (IGCE) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Progress in Biomedical Optics and Imaging - Proceedings of SPIE | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Convolutional neural networks | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Denoising | - |
Palavras-chave: dc.subject | Digital breast tomosynthesis | - |
Título: dc.title | Denoising digital breast tomosynthesis projections using convolutional neural networks | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: