Strategies to Reduce the Expert Supervision Required for Deep Learning-Based Segmentation of Histopathological Images

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

Référence Frontiers in Medicine, 6, 222
Publication Publié, 2019-10

Article révisé par les pairs

Fichier importé via le DOI

Shortcomings and areas for improvement in digital pathology image segmentation challenges
par Foucart, Adrien , Debeir, Olivier , Decaestecker, Christine
Publication 2022-12-08
Finding the best channel for tissue segmentation in whole-slide images
par Foucart, Adrien , Elskens, Arthur , Debeir, Olivier , Decaestecker, Christine
Publication 2024-01-01
Assessing Local Descriptors for Feature-Based Registration of Whole-Slide Images
par Elskens, Arthur , Foucart, Adrien , Zindy, Egor , Debeir, Olivier , Decaestecker, Christine
Publication 2024-01-01
Panoptic quality should be avoided as a metric for assessing cell nuclei segmentation and classification in digital pathology.
par Foucart, Adrien , Debeir, Olivier , Decaestecker, Christine
Publication 2023-05
Evaluating participating methods in image analysis challenges: lessons from MoNuSAC 2020
par Foucart, Adrien , Debeir, Olivier , Decaestecker, Christine
Publication 2023-04

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.