- Titre
- Generative adversarial networks (GAN)-based data augmentation of rare liver cancers: The SFR 2021 Artificial Intelligence Data Challenge
- Créateurs - sans rôle
- Sébastien Mulé - Institut Mondor de Recherche BiomédicaleLittisha Lawrance - LaBoratoire d'Imagerie biOmédicale MultimodAle Paris-SaclayYounes Belkouchi - LaBoratoire d'Imagerie biOmédicale MultimodAle Paris-SaclayValérie Vilgrain - Centre de recherche sur l'InflammationMaité Lewin - Centre Hépato-Biliaire [Hôpital Paul Brousse]Hervé Trillaud - Centre Hospitalier Universitaire de BordeauxChristine Hoeffel - Centre de Recherche en Sciences et Technologies de l'Information et de la Communication - EA 3804Valérie Laurent - Centre Hospitalier Régional Universitaire de NancySamy Ammari - Laboratoire d’Imagerie BiomédicaleEric Morand - Centre National d'Études Spatiales [Toulouse]Orphée Faucoz - Centre National d'Études Spatiales [Toulouse]Arthur Tenenhaus - Laboratoire des signaux et systèmesAnne Cotten - Radiologie et Imagerie Musculo-Squelettique [CHU Lille]Jean-François Meder - UFR Sciences du Vivant [Sciences] - Université Paris CitéHugues Talbot - Centre de vision numériqueAlain Luciani - Hôpital Henri MondorNathalie Lassau - Laboratoire d’Imagerie Biomédicale
- Détails de publication
- Diagnostic and interventional imaging, Vol.104(1), pp.43-48
- Éditeur
- Elsevier
- Nombre de pages
- 6
- Identifiants
- 99162915709311
- Unité académique
- Institut de Recherche en Cancérologie de Montpellier - IRCM
- Langue
- English
- Type de ressource
- Journal article
Article de revue
Generative adversarial networks (GAN)-based data augmentation of rare liver cancers: The SFR 2021 Artificial Intelligence Data Challenge
Diagnostic and interventional imaging, Vol.104(1), pp.43-48
01/01/2023
PMID: 36207277
Indicateurs
1 Consultations de la notice