阿明·扎尔谢纳斯
人员信息
优化列表
期刊文章
2016 [j1] 阿明·扎尔塞纳斯 , 志·铃木 :
二进制坐标上升:一种有效的机器学习特征子集选择优化技术。 知识。 基于系统。 110 : 191-201 ( 2016 )
会议和研讨会文件
2018 【c8】 刘俊驰 , 阿明·扎尔塞纳斯 , 赛义德·阿马尔·卡迪尔 , 杨利民 , 劳里·李·法贾多 , 志·铃木 :
利用神经网络卷积(NNC)深度学习降低数字乳腺断层成像(DBT)中的辐射剂量。 IWBI公司 2018 : 1071814 【c7】 纳扎宁·马克基尼贾德 , 尼玛·塔杰巴赫什 , 阿明·扎尔塞纳斯 , 阿什法克·科哈尔 , 志·铃木 :
减少CT病灶检测中深度学习模型的训练时间。 医学成像:计算机辅助诊断 2018 : 105753伏 【c6】 刘俊驰 , 阿明·扎尔塞纳斯 , 阿马尔·卡迪尔 , 郑伟 , 杨丽敏 , 劳里·李·法贾多 , 志·铃木 :
通过基于深度学习的监督图像处理降低数字乳腺断层合成(DBT)中的辐射剂量。 医学成像:图像处理 2018 : 105740英尺 【c5】 阿明·扎尔塞纳斯 , 刘俊驰 , 保罗·福蒂 , 志·铃木 :
胸片中骨与软组织分离的深度学习专家组合。 SMC公司 2018 : 1321-1326 【c4】 阿明·扎尔塞纳斯 , 志·铃木 :
用于自然图像去噪的深度神经网络卷积。 SMC公司 2018 : 2534-2539 2017 【c3】 志·铃木 , 刘俊驰 , 阿明·扎尔塞纳斯 , 土鲁·伊加基(Toru Higaki) , 福本和太郎 , Kazuo Awai公司 :
用于将超低剂量CT图像转换为“虚拟”高剂量CT图像的神经网络卷积(NNC)。 MICCAI的MLMI 2017 : 334-343 2015 【c2】 志·铃木 , 穆罕默德·扎尔塞纳斯 , 刘俊驰 , 范永辉 , 纳扎宁·马克基尼贾德 , 保罗·福蒂 , 亚伯拉罕·达赫曼 :
开发计算机辅助诊断(CADx)系统,用于在CT结肠成像(CTC)中区分肿瘤和非肿瘤病变:朝向无法检测到的CTC。 SMC公司 2015 : 2262-2266 【c1】 阿明·扎尔塞纳斯 , 马拉尔·梅斯马科索索沙希 , 金俊熙(Joohee Kim) :
基于时空预测的快速深度估计用于立体行人检测。 录像机 2015 : 1-4