Blar i NTNU Open på forfatter "Lindseth, Frank"

Viser treff 41-60 av 156

    • Cross modality guided liver image enhancement of CT using MRI 

      Naseem, Rabia; Alaya Cheikh, Faouzi; Beghdadi, Azeddine; Elle, Ole Jakob; Lindseth, Frank (Peer reviewed; Journal article, 2019)
      Low contrast Computed Tomographic (CT) images often hamper the diagnosis of critical tumors found in various human organs. Contrast enhancement schemes play significant role in improving the visualization of these structures. ...

    • Cross-modality guided Image Enhancement 

      Naseem, Rabia (Doctoral theses at NTNU;2021:415, Doctoral thesis, 2021)
      The quality of medical images is a crucial factor that affects the performance of several image analysis tasks. Low contrast and noise are among the widely investigated distortions in medical image enhancement problems. ...

    • Deep Active Learning for Autonomous Perception 

      Singh, Navjot; Hukkelås, Håkon; Lindseth, Frank (Chapter, 2020)
      Traditional supervised learning requires significant amounts of labeled training data to achieve satisfactory results. As autonomous perception systems collect continuous data, the labeling process becomes expensive and ...

    • Deep Active Learning for Autonomous Perception 

      Singh, Navjot (Master thesis, 2020)
      Tradisjonell veiledet læring krever betydelige mengder med annotert treningsdata for å oppnå tilfredsstillende resultater. Ettersom autonome persepsjonssystemer samler inn data kontinuerlig blir annoteringsprosessen meget ...

    • Deep Convolutional Encoder-Decoder Networks for Digital Rock Porosity Segmentation 

      Andresen, Markus; Johansen, Simen Nordby (Master thesis, 2019)
      Digital rock physics (DRP) er en moderne metode for å karakterisere de fysiske egenskapene til ulike typer stein. Ved å modellere korn-, flerfaset- og porevolum i forksjellige bergarter, kan en assistere institusjoner med ...

    • Deep Convolutional Encoder-Decoder Networks for Digital Rock Porosity Segmentation 

      Andresen, Markus; Johansen, Simen Nordby (Master thesis, 2019)
      Digital rock physics (DRP) er en moderne metode for å karakterisere de fysiske egenskapene til ulike typer stein. Ved å modellere korn-, flerfaset- og porevolum i forksjellige bergarter, kan en assistere institusjoner med ...

    • Deep Generative Models for Realistic Image Anonymization 

      Hukkelås, Håkon (Doctoral theses at NTNU;2023:421, Doctoral thesis, 2023)
      The following pages explore the use of generative models for realistic image anonymization. In summary, this thesis aims to address two primary objectives. First, develop generative models for synthesizing human figures ...

    • Deep learning for image-based liver analysis — A comprehensive review focusing on malignant lesions 

      Survarachakan, Shanmugapriya; Prasad, Pravda Jith Ray; Naseem, Rabia; Perez de Frutos, Javier; Kumar, Rahul Prasanna; Langø, Thomas; Alaya Cheikh, Faouzi; Elle, Ole Jakob; Lindseth, Frank (Peer reviewed; Journal article, 2022)
      Deep learning-based methods, in particular, convolutional neural networks and fully convolutional networks are now widely used in the medical image analysis domain. The scope of this review focuses on the analysis using ...

    • Deep learning in Dynamic Imager - A convolutional neural network module 

      Slettevold, Johan Nikolai (Master thesis, 2018)
      This thesis investigates the extent of which deep learning methods can be used for automatic detection of salmon in images. It also investigates the extent of which a module with deep learning functionality can be integrated ...

    • Deep Reinforcement Learning for Autonomous Vehicles in Simulated Environments 

      Bjørnstad, Isak Grande (Master thesis, 2021)
      Sammen med dyp læring har Reinforcement Learning (forsterkningslæring) hatt flere gjennombrudd de siste årene, noe som har økt forskningsinteressen. Kombinert med økt tilgjengelighet av realistiske og open-source bilsimulatorer ...

    • DeepPrivacy: A GAN-based framework for image anonymization 

      Hukkelås, Håkon (Master thesis, 2019)
      Samle data fra selvkjørende biler uten å anonymisere personlig informasjon er ulovlig etter introduksjonen av Personvernforordningen (GDPR) i 2018. For å samle data for å trene og validere maskinlæringsmodeller, må vi ...

    • DeepPrivacy: A Generative Adversarial Network for Face Anonymization 

      Hukkelås, Håkon; Lindseth, Frank; Mester, Rudolf (Chapter, 2019)
      We propose a novel architecture which is able to automatically anonymize faces in images while retaining the original data distribution. We ensure total anonymization of all faces in an image by generating images exclusively ...

    • Developing a Digital Twin-Based Prototype for Medical Knowledge Generation and AI-Assisted Image Segmentation 

      Rydberg, Peter (Master thesis, 2021)
      Helseindustrien er en kjernedel av samfunnet, og dens kvalitet og effektivitet er avgjørende for å sørge for borgernes tillit til systemet. I dag bruker større deler av det medisinske feltet digitale verktøy til å forbedre ...

    • Developing and using a virtual platform to test cyber security for autonomous vehicles and vessels 

      Skarshaug, Thomas (Master thesis, 2020)
      De potensielle gevinstene innen økonomisk vekst, miljøeffektivitet og menneskelig sikkerhet fra autonome kjøretøy og skip er store, men utivkling av slike systemer har vist seg å være vanskelig. Siden der ikke er noen ...

    • Development of risk models of incident hypertension using machine learning on the HUNT study data 

      Schjerven, Filip Emil; Ingeström, Emma Maria Lovisa; Steinsland, Ingelin; Lindseth, Frank (Journal article; Peer reviewed, 2024)
      In this study, we aimed to create an 11-year hypertension risk prediction model using data from the Trøndelag Health (HUNT) Study in Norway, involving 17 852 individuals (20–85 years; 38% male; 24% incidence rate) with ...

    • Digital Twins for AI-based Medical Imaging 

      Olafsson, Sebastian (Master thesis, 2020)
      Kunstig intelligens (AI) i det medisinske feltet radiologi har utviklet seg så raskt de siste årene at klinisk anvendelse av AI-assistert diagnose har blitt et spørsmål om når det skjer, og ikke om det er gjennomførbart. ...

    • Digital Twins for Hypertension Prediction: A proof-of-concept implementation 

      Dueled, Peder; Snarud, Brage Halse (Master thesis, 2021)
      Innen persontilpasset medisin brukes detaljert informasjon om enkeltpersoner til å bestemme helsestatus og avvik fra den gjennomsnittlige befolkningen. Digitale Tvillinger innen ingeniørfag er en praksis der individuelle ...

    • Digital Twins for Hypertension Prediction: A proof-of-concept implementation 

      Dueled, Peder; Snarud, Brage H. (Master thesis, 2021)
      Innen persontilpasset medisin brukes detaljert informasjon om enkeltpersoner til å bestemme helsestatus og avvik fra den gjennomsnittlige befolkningen. Digitale Tvillinger innen ingeniørfag er en praksis der individuelle ...

    • Direct Visual Odometry on a GPU 

      Christensen, Matias (Master thesis, 2019)
      Denne masteroppgaven dekker implementasjonen av DVO (Direct Visual Odometry) algoritmen på en GPGPU (General-purpose Graphical Processing Unit). DVO er en direkte visuell odometri algoritme som er i stand til å estimere ...

    • Does Image Anonymization Impact Computer Vision Training? 

      Hukkelås, Håkon; Lindseth, Frank (Peer reviewed; Journal article, 2023)
      Image anonymization is widely adapted in practice to comply with privacy regulations in many regions. However, anonymization often degrades the quality of the data, reducing its utility for computer vision development. In ...