VSMI2‐PANet: Versatile Scale-Malleable Image Integration and Patch Wise Attention Network With Transformer for Lung Tumour Segmentation Using Multi-Modal Imaging Techniques

Hyväksytty

Luokittelutiedot

OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti

Julkaisun tekijät

Tekijöiden lukumäärä
4
Tekijät
Alqahtani, Nayef; Khan, Arfat Ahmad; Mahendran, Rakesh Kumar; Faheem, Muhammad
Paikalliset tekijät

Julkaisukanavan tiedot

Lehden/sarjan nimi
CAAI transactions on intelligence technology
ISSN-P (painettu)
2468-6557
ISSN-E (elektroninen)
2468-2322
ISSN-L (linking)
2468-2322
Kustantaja
Institution of engineering and technology
Julkaisun JUFO ID
88979
Julkaisun JUFO-taso
0
Julkaisu on FT-listalla
Ei
Julkaisun SNIP-taso
2.48
Julkaisumaa
Yhdistynyt kuningaskunta
Kansainvälisyys
Kyllä

Julkaisun tarkemmat tiedot

Julkaisuvuosi
2025
Ilmoitusvuosi
2025
Lehden/sarjan numero
First published: 09 July 2025
DOI
10.1049/cit2.70039
Julkaisukieli
englanti

Yhteisjulkaisutiedot

Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei

Saatavuustiedot

Linkki rinnakkaistallenteeseen

Luokitukset ja lisätiedot

OKM-tieteenalaluokitus
113 Tietojenkäsittely ja informaatiotieteet, 213 Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka
Avainsanat
computational intelligence; computer vision; data fusion; deep learning; feature extraction; image segmentation

Rahoittajatiedot

Rahoitustiedot julkaisussa
The work of Muhammad Faheem is supported by the VTT Technical Research Centre of Finland and the work of Nayef Alqahtani is supported bythe Deanship of Scientific Research, Vice Presidency for Graduate Studies and Scientific Research, King Faisal University, Saudi Arabia (Grant KFU251882).

Tutkimusaineistotiedot

Tutkimusaineistotiedot julkaisussa
The dataset is openly available and explained in the manuscript.

Lähdetietokantojen tunnukset

WoS -tunniste
WOS:001524654200001
Scopus -tunniste
2-s2.0-105010025396