CINECA IRIS Institutional Research Information System
IRIS è il sistema di gestione integrata dei dati della ricerca (persone, progetti, pubblicazioni, attività) adottato dall'Università degli Studi di Torino.
AperTO è l'archivio istituzionale Open Access destinato a raccogliere, rendere visibile e conservare la produzione scientifica dell'Università degli Studi di Torino.
EnglishA hybrid deep learning approach for gland segmentation in prostate histopathological images / Salvi, Massimo; Bosco, Martino; Molinaro, Luca; Gambella, Alessandro; Papotti, Mauro; Acharya, U. Rajendra; Molinari, Filippo. - In: ARTIFICIAL INTELLIGENCE IN MEDICINE. - ISSN 0933-3657. - 115:(2021), pp. 102076-N/A. [10.1016/j.artmed.2021.102076]
| Titolo: | A hybrid deep learning approach for gland segmentation in prostate histopathological images | |
| Autori Riconosciuti: | ||
| Autori: | Salvi, Massimo; Bosco, Martino; Molinaro, Luca; Gambella, Alessandro; Papotti, Mauro; Acharya, U. Rajendra; Molinari, Filippo | |
| Data di pubblicazione: | 2021 | |
| Volume: | 115 | |
| Pagina iniziale: | 102076 | |
| Pagina finale: | N/A | |
| Digital Object Identifier (DOI): | 10.1016/j.artmed.2021.102076 | |
| URL: | https://www.sciencedirect.com/science/article/pii/S0933365721000695 | |
| Rivista: | ARTIFICIAL INTELLIGENCE IN MEDICINE | |
| Appare nelle tipologie: | 03A-Articolo su Rivista |
File in questo prodotto:
Non ci sono file associati a questo prodotto.
Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/2318/1786682
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Copyright © 2022