Physics-informed deep learning approach to quantification of human brain metabolites from magnetic resonance spectroscopy data

Počet záznamů: 1

1.

SYSNO	0570880
Název	Physics-informed deep learning approach to quantification of human brain metabolites from magnetic resonance spectroscopy data
Tvůrce(i)	Shamaei, Amirmohammad (UPT-D) Starčuková, Jana (UPT-D)_{RID, SAI, ORCID} Starčuk jr., Zenon (UPT-D)_{RID, ORCID, SAI}
Zdroj.dok.	Computers in Biology Medicine. Roč. 158, May (2023). - : Elsevier
Číslo článku	106837
Druh dok.	Článek v odborném periodiku
Grant	813120, XE - země EU
	EF18_046/0016045 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy, CZ - Česká republika
	LM2018129 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy, CZ - Česká republika
	LM2023050 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy, CZ - Česká republika
Institucionální podpora	UPT-D - RVO:68081731
Jazyk dok.	eng
Země vyd.	GB
Klíč.slova	MR spectroscopy * Inverse problem * Deep learning * Machine learning * Convolutional neural network * Metabolite quantification
Jiné zdroje	https://zenodo.org/record/3828935
Spolupracující instituce	Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií (Česká republika)
URL	https://www.sciencedirect.com/science/article/pii/S0010482523003025
Trvalý link	https://hdl.handle.net/11104/0342210

	Název souboru	Staženo	Velikost	Komentář	Verze	Přístup
	2023_Shamaei_ComputersInBiologyMedicine.pdf	4	8.6 MB	OA - CC BY 4.0 https://creativecommons.org/licenses/by/4.0/	Vydavatelský postprint	povolen

Počet záznamů: 1