BPPMedVoxelHD: improved CUDA-accelerated morphological Hausdorff distances in medical image analysis.
Opis bibliograficzny
Szczegóły publikacji
Streszczenia
The selection of optimal segmentation metrics is a critical aspect in the development of successful algorithms. According to new research, average Hausdorff distance (HD) should be the primary metric that evaluates contour alignment. This article introduces a ready-to-use implementation that is at least an order of magnitude faster than the previous best, with the additional advantage of providing unique and detailed information on per-voxel contribution to the overall HD result. Moreover, the algorithm is implemented as a Python Pytorch extension that can be used with most contemporary medical segmentation packages. Keywords: CUDA; Computer tomography; Medical image segmentation
Open Access
Linki zewnętrzne
Identyfikatory
Metryki
Eksport cytowania
Wsparcie dla menedżerów bibliografii:
Ta strona wspiera automatyczny import do Zotero, Mendeley i EndNote. Użytkownicy z zainstalowanym rozszerzeniem przeglądarki mogą zapisać tę publikację jednym kliknięciem - ikona pojawi się automatycznie w pasku narzędzi przeglądarki.
Punkty i sloty autorów
| Autor | Dyscyplina | PkD / PkDAut | Slot |
|---|---|---|---|
| Chrapko Beata, dr hab. n. med. | nauki medyczne | 200,0000 | 1,0000 |
Punkty i sloty dyscyplin
| Dyscyplina | PkD / PkDAut | Slot |
|---|---|---|
| nauki medyczne | 200,0000 | 1,0000 |
Informacje dodatkowe
| Zewnętrzna baza danych: | • Web of Science • Scopus |
|---|---|
| Rekord utworzony: | 13 maja 2024 09:11 |
| Ostatnia aktualizacja: | 20 października 2025 14:03 |