( en | de | ru )

 

Disambiguierung von "Stimpel, Bernhard"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Deep Autofocus with Cone-Beam CT Consistency Constraint.

, , , , , , , und . Bildverarbeitung für die Medizin, Seite 169-174. Springer, (2020)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Josef Stimpel

Werner Stimpel

Dorothea Stimpel

Leonhard Stimpel

Wolfgang Stimpel

 

Weitere Publikationen von Autoren mit dem selben Namen

Deriving Neural Network Architectures Using Precision Learning: Parallel-to-Fan Beam Conversion., , , , , und . GCPR, Volume 11269 von Lecture Notes in Computer Science, Seite 503-517. Springer, (2018)A Deep Learning Approach for Reconstruction Filter Kernel Discretization., , , , , , und . CoRR, (2017)Maximum Likelihood Estimation of Head Motion Using Epipolar Consistency., , , , , , , und . Bildverarbeitung für die Medizin, Seite 134-139. Springer Vieweg, (2019)Deep Learning-Based ECG-Free Cardiac Navigation for Multi-Dimensional and Motion-Resolved Continuous Magnetic Resonance Imaging., , , , , , , und . IEEE Trans. Medical Imaging, 40 (8): 2105-2117 (2021)User Loss A Forced-Choice-Inspired Approach to Train Neural Networks Directly by User Interaction., , , und . Bildverarbeitung für die Medizin, Seite 92-97. Springer Vieweg, (2019)Deep Autofocus with Cone-Beam CT Consistency Constraint., , , , , , , und . Bildverarbeitung für die Medizin, Seite 169-174. Springer, (2020)MR to X-Ray Projection Image Synthesis., , , , , und . CoRR, (2017)Deep autofocus with cone-beam CT consistency constraint., , , , , , , und . CoRR, (2019)Multi-Modal Super-Resolution with Deep Guided Filtering., , , , , und . Bildverarbeitung für die Medizin, Seite 110-115. Springer Vieweg, (2019)PYRO-NN: Python Reconstruction Operators in Neural Networks., , , , , und . CoRR, (2019)