Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images

Hristina Uzunova; Jan Ehrhardt; Fabian Jacob; Alex Frydrychowicz; Heinz Handels

doi:10.1007/978-3-658-29267-6_63

Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images

Hristina Uzunova^*, Jan Ehrhardt, Fabian Jacob, Alex Frydrychowicz, Heinz Handels

^*Korrespondierende/r Autor/-in für diese Arbeit

Abstract

Generative adversarial networks (GANs) have shown impressive results for photo-realistic image synthesis in the last couple of years. They also offer numerous applications in medical image analysis, such as generating images for data augmentation, image reconstruction and image synthesis for domain adaptation. Despite the undeniable success and the large variety of applications, GANs still struggle to generate images of high resolution.

Originalsprache	Englisch
Titel	Bildverarbeitung für die Medizin 2020
Redakteure/-innen	Thomas Tolxdorff, Thomas M. Deserno, Heinz Handels, Andreas Maier, Klaus H. Maier-Hein
Seitenumfang	1
Erscheinungsort	Wiesbaden
Herausgeber (Verlag)	Springer Vieweg, Wiesbaden
Erscheinungsdatum	12.02.2020
Seiten	286-286
ISBN (Print)	978-3-658-29266-9
ISBN (elektronisch)	978-3-658-29267-6
DOIs	https://doi.org/10.1007/978-3-658-29267-6_63
Publikationsstatus	Veröffentlicht - 12.02.2020
Veranstaltung	Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen - Berlin, Deutschland Dauer: 15.03.2020 → 17.03.2020 Konferenznummer: 237969

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

SDG 3 – Gesundheit und Wohlergehen
SDG 9 – Industrie, Innovation und Infrastruktur

Strategische Forschungsbereiche und Zentren

Forschungsschwerpunkt: Biomedizintechnik

Dokumente

10.1007/978-3-658-29267-6_63

Weitere Links

Zitieren

Uzunova, H., Ehrhardt, J., Jacob, F., Frydrychowicz, A., & Handels, H. (2020). Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images. in T. Tolxdorff, T. M. Deserno, H. Handels, A. Maier, & K. H. Maier-Hein (Hrsg.), Bildverarbeitung für die Medizin 2020 (S. 286-286). (Informatik aktuell). Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-29267-6_63

Uzunova, Hristina ; Ehrhardt, Jan ; Jacob, Fabian et al. / Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images. Bildverarbeitung für die Medizin 2020. Hrsg. / Thomas Tolxdorff ; Thomas M. Deserno ; Heinz Handels ; Andreas Maier ; Klaus H. Maier-Hein. Wiesbaden : Springer Vieweg, Wiesbaden, 2020. S. 286-286 (Informatik aktuell).

@inproceedings{36eca580b5ef4449b258084a0a5bd459,

title = "Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images",

abstract = "Generative adversarial networks (GANs) have shown impressive results for photo-realistic image synthesis in the last couple of years. They also offer numerous applications in medical image analysis, such as generating images for data augmentation, image reconstruction and image synthesis for domain adaptation. Despite the undeniable success and the large variety of applications, GANs still struggle to generate images of high resolution.",

author = "Hristina Uzunova and Jan Ehrhardt and Fabian Jacob and Alex Frydrychowicz and Heinz Handels",

note = "Publisher Copyright: {\textcopyright} Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2020. Copyright: Copyright 2020 Elsevier B.V., All rights reserved.; Bildverarbeitung f{\"u}r die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen<br/> ; Conference date: 15-03-2020 Through 17-03-2020",

year = "2020",

month = feb,

day = "12",

doi = "10.1007/978-3-658-29267-6\_63",

language = "English",

isbn = "978-3-658-29266-9",

series = "Informatik aktuell",

publisher = "Springer Vieweg, Wiesbaden",

pages = "286--286",

editor = "Tolxdorff, \{Thomas \} and Deserno, \{Thomas M. \} and Handels, \{Heinz \} and Maier, \{Andreas \} and Maier-Hein, \{Klaus H. \}",

booktitle = "Bildverarbeitung f{\"u}r die Medizin 2020",

}

Uzunova, H , Ehrhardt, J , Jacob, F , Frydrychowicz, A & Handels, H 2020, Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images. in T Tolxdorff, TM Deserno, H Handels, A Maier & KH Maier-Hein (Hrsg.), Bildverarbeitung für die Medizin 2020. Informatik aktuell, Springer Vieweg, Wiesbaden, Wiesbaden, S. 286-286, Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen
, Berlin, Berlin, Deutschland, 15.03.20. https://doi.org/10.1007/978-3-658-29267-6_63

Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images. / Uzunova, Hristina ; Ehrhardt, Jan ; Jacob, Fabian et al.
Bildverarbeitung für die Medizin 2020. Hrsg. / Thomas Tolxdorff; Thomas M. Deserno; Heinz Handels; Andreas Maier; Klaus H. Maier-Hein. Wiesbaden: Springer Vieweg, Wiesbaden, 2020. S. 286-286 (Informatik aktuell).

Publikation: Kapitel in Büchern/Berichten/Konferenzbänden › Konferenzbeitrag › Begutachtung

TY - GEN

T1 - Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images

AU - Uzunova, Hristina

AU - Ehrhardt, Jan

AU - Jacob, Fabian

AU - Frydrychowicz, Alex

AU - Handels, Heinz

N1 - Conference code: 237969

PY - 2020/2/12

Y1 - 2020/2/12

N2 - Generative adversarial networks (GANs) have shown impressive results for photo-realistic image synthesis in the last couple of years. They also offer numerous applications in medical image analysis, such as generating images for data augmentation, image reconstruction and image synthesis for domain adaptation. Despite the undeniable success and the large variety of applications, GANs still struggle to generate images of high resolution.

AB - Generative adversarial networks (GANs) have shown impressive results for photo-realistic image synthesis in the last couple of years. They also offer numerous applications in medical image analysis, such as generating images for data augmentation, image reconstruction and image synthesis for domain adaptation. Despite the undeniable success and the large variety of applications, GANs still struggle to generate images of high resolution.

UR - https://www.scopus.com/pages/publications/85083077278

UR - https://www.mendeley.com/catalogue/25df6c1d-7207-3ece-8afc-7994dc1c162e/

U2 - 10.1007/978-3-658-29267-6_63

DO - 10.1007/978-3-658-29267-6_63

M3 - Conference contribution

SN - 978-3-658-29266-9

T3 - Informatik aktuell

SP - 286

EP - 286

BT - Bildverarbeitung für die Medizin 2020

A2 - Tolxdorff, Thomas

A2 - Deserno, Thomas M.

A2 - Handels, Heinz

A2 - Maier, Andreas

A2 - Maier-Hein, Klaus H.

PB - Springer Vieweg, Wiesbaden

CY - Wiesbaden

T2 - Bildverarbeitung für die Medizin 2020 - International workshop on Algorithmen - Systeme - Anwendungen<br/>

Y2 - 15 March 2020 through 17 March 2020

ER -

Uzunova H , Ehrhardt J , Jacob F , Frydrychowicz A , Handels H. Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images. in Tolxdorff T, Deserno TM, Handels H, Maier A, Maier-Hein KH, Hrsg., Bildverarbeitung für die Medizin 2020. Wiesbaden: Springer Vieweg, Wiesbaden. 2020. S. 286-286. (Informatik aktuell). doi: 10.1007/978-3-658-29267-6_63

Abstract: Multi-Scale GANs for Memory-Effcient Generation of High Resolution Medical Images

Abstract

UN SDGs

Strategische Forschungsbereiche und Zentren

Dokumente

Weitere Links

Fingerprint

Zitieren