1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Матеріали конференцій, семінарів, читань
  3. 2024
  4. XII науково-технічна конференція „Інформаційні моделі, системи та технології“ (2024)
Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://elartu.tntu.edu.ua/handle/lib/47360

Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.authorІванюк, А.
dc.contributor.authorIvanyuk, A.
dc.coverage.temporal18-19 грудня 2024 року
dc.coverage.temporal18-19 December 2024
dc.date.accessioned2025-01-10T20:49:55Z-
dc.date.available2025-01-10T20:49:55Z-
dc.date.created2024-12-18
dc.date.issued2024-12-18
dc.identifier.citationІванюк А. Моделювання судинних мереж у 3D-друкованих органах із використанням штучного інтелекту / А. Іванюк // Матеріали Ⅻ НТК „ІМСТ“, 18-19 грудня 2024 року. — Т. : ТНТУ, 2024. — С. 33–34. — (Інформаційні системи та технології, кібербезпека).
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/47360-
dc.format.extent33-34
dc.language.isouk
dc.publisherТНТУ
dc.publisherTNTU
dc.relation.ispartofМатеріали Ⅻ науково-технічної конференції „Інформаційні моделі, системи та технології“, 2024
dc.relation.ispartofMaterials of the Ⅻ scientific and technical conference ‘Information models, systems and technologies’, 2024
dc.relation.urihttps://www.researchgate.net/publication/376645882_Kidney_Blood_Vessel_Computed_Tomography_Image_Segmentation
dc.relation.urihttps://www.biorxiv.org/content/10.1101/2023.03.28.534566v2.full
dc.relation.urihttps://arxiv.org/abs/1505.04597
dc.relation.urihttps://www.researchgate.net/publication/372962584_Simultaneous_determination_of_interlocking_arterial_and_venous_network_configurations_for_any_tissue_shape_by_global_power_optimization
dc.relation.urihttps://arxiv.org/pdf/1703.00130
dc.relation.urihttps://insightsimaging.springeropen.com/articles/10.1007/s13244-018-0597-2
dc.titleМоделювання судинних мереж у 3D-друкованих органах із використанням штучного інтелекту
dc.title.alternativeModeling of vascular networks in 3d-printed organs using artificial intelligence
dc.typeConference Abstract
dc.rights.holder© Тернопільський національний технічний університет імені Івана Пулюя, 2024
dc.coverage.placenameТернопіль
dc.coverage.placenameTernopil
dc.format.pages2
dc.subject.udc004.386.6
dc.relation.references1. Wang, X., Li, Y., Zhao, H., et al. Kidney Blood Vessel Computed Tomography Image Segmentation. ResearchGate, 2023. Available at: https://www.researchgate.net/publication/376645882_Kidney_Blood_Vessel_Computed_Tomography_Image_Segmentation
dc.relation.references2. Rahmani, S., Smith, T. J., Johnson, M., et al. Mapping the blood vasculature in an intact human kidney using hierarchical phase-contrast tomography. bioRxiv, 2023. Available at: https://www.biorxiv.org/content/10.1101/2023.03.28.534566v2.full
dc.relation.references3. Ronneberger O., et al. "U-Net: Convolutional Networks for Biomedical Image Segmentation". MICCAI, 2015. URL: https://arxiv.org/abs/1505.04597
dc.relation.references4. Hague, J. P. Simultaneous determination of interlocking arterial and venous network configurations for any tissue shape by global power optimization. ResearchGate, 2023. Available at: https://www.researchgate.net/publication/372962584_Simultaneous_determination_of_interlocking_arterial_and_venous_network_configurations_for_any_tissue_shape_by_global_power_optimization
dc.relation.references5. Deep learning techniques for medical image segmentation: A survey. URL: https://arxiv.org/pdf/1703.00130
dc.relation.references6. Murphy, D. J., Aghayev, A., & Steigner, M. L. Vascular CT and MRI: a practical guide to imaging protocols. Insights into Imaging, 2018. Available at: https://insightsimaging.springeropen.com/articles/10.1007/s13244-018-0597-2
dc.relation.referencesen1. Wang, X., Li, Y., Zhao, H., et al. Kidney Blood Vessel Computed Tomography Image Segmentation. ResearchGate, 2023. Available at: https://www.researchgate.net/publication/376645882_Kidney_Blood_Vessel_Computed_Tomography_Image_Segmentation
dc.relation.referencesen2. Rahmani, S., Smith, T. J., Johnson, M., et al. Mapping the blood vasculature in an intact human kidney using hierarchical phase-contrast tomography. bioRxiv, 2023. Available at: https://www.biorxiv.org/content/10.1101/2023.03.28.534566v2.full
dc.relation.referencesen3. Ronneberger O., et al. "U-Net: Convolutional Networks for Biomedical Image Segmentation". MICCAI, 2015. URL: https://arxiv.org/abs/1505.04597
dc.relation.referencesen4. Hague, J. P. Simultaneous determination of interlocking arterial and venous network configurations for any tissue shape by global power optimization. ResearchGate, 2023. Available at: https://www.researchgate.net/publication/372962584_Simultaneous_determination_of_interlocking_arterial_and_venous_network_configurations_for_any_tissue_shape_by_global_power_optimization
dc.relation.referencesen5. Deep learning techniques for medical image segmentation: A survey. URL: https://arxiv.org/pdf/1703.00130
dc.relation.referencesen6. Murphy, D. J., Aghayev, A., & Steigner, M. L. Vascular CT and MRI: a practical guide to imaging protocols. Insights into Imaging, 2018. Available at: https://insightsimaging.springeropen.com/articles/10.1007/s13244-018-0597-2
dc.contributor.affiliationТернопільський національний технічний університет ім. Івана Пулюя, Україна
dc.citation.journalTitleМатеріали Ⅻ науково-технічної конференції „Інформаційні моделі, системи та технології“
dc.citation.spage33
dc.citation.epage34
dc.citation.conferenceⅫ науково-технічна конференція „Інформаційні моделі, системи та технології“
dc.identifier.citation2015Іванюк А. Моделювання судинних мереж у 3D-друкованих органах із використанням штучного інтелекту // Матеріали Ⅻ НТК „ІМСТ“, Тернопіль, 18-19 грудня 2024 року. 2024. С. 33–34.
dc.identifier.citationenAPAIvanyuk, A. (2024). Modeliuvannia sudynnykh merezh u 3D-drukovanykh orhanakh iz vykorystanniam shtuchnoho intelektu [Modeling of vascular networks in 3d-printed organs using artificial intelligence]. Materials of the Ⅻ scientific and technical conference ‘Information models, systems and technologies’, 18-19 December 2024, Ternopil, 33-34. TNTU. [in Ukrainian].
dc.identifier.citationenCHICAGOIvanyuk A. (2024) Modeliuvannia sudynnykh merezh u 3D-drukovanykh orhanakh iz vykorystanniam shtuchnoho intelektu [Modeling of vascular networks in 3d-printed organs using artificial intelligence]. Materials of the Ⅻ scientific and technical conference ‘Information models, systems and technologies’ (Tern., 18-19 December 2024), pp. 33-34 [in Ukrainian].
Koleksiyonlarda Görünür:XII науково-технічна конференція „Інформаційні моделі, системи та технології“ (2024)

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
IMST_2024_Ivanyuk_A-Modeling_of_vascular_networks_33-34.pdf348,8 kBAdobe PDFGöster/Aç
IMST_2024_Ivanyuk_A-Modeling_of_vascular_networks_33-34__COVER.png973,3 kBimage/pngGöster/Aç
Kısa Öğe Kaydını Göster İstatistikler


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.