nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
Fabian Isensee; Paul F. Jaeger; Simon A. A. Kohl; Jens Petersen; Klaus H. Maier-Hein · Nature Methods · 2020
Acceso al recurso
Entrá al contenido desde la opción principal o elegí otra fuente disponible.
Material complementario disponible
Cómo citar
Elegí el formato que necesitás y copiá la referencia al portapapeles.
APA 7
Isensee, F, Jaeger, P. F, Kohl, S. A. A, Petersen, J, & Maier-Hein, K. H. (2020). nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation. https://doi.org/10.1038/s41592-020-01008-z
MLA
Isensee, Fabian, et al. "nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation." 2020. https://doi.org/10.1038/s41592-020-01008-z.
Chicago
Isensee, Fabian, Paul F. Jaeger, Simon A. A. Kohl, Jens Petersen, and Klaus H. Maier-Hein. 2020. "nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation.". https://doi.org/10.1038/s41592-020-01008-z.
Harvard
Isensee, F. et al. 2020, nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation, Nature Methods, available at: https://doi.org/10.1038/s41592-020-01008-z [Accessed 28 Jun. 2026].
Detalles del recurso
Información bibliográfica útil para confirmar que se trata del material correcto.
- Título
- nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
- Autor / colaboradores
- Fabian Isensee; Paul F. Jaeger; Simon A. A. Kohl; Jens Petersen; Klaus H. Maier-Hein
- Editorial
- Nature Methods
- Año de publicación
- 2020
- Idioma
- en
Materias
Explorá otros recursos relacionados a partir de estas materias.