两篇新研究论文探索了3D医学图像分割的先进技术。第一篇Consispace介绍了一个语义感知的重采样框架，旨在通过确保一致的体素间距并利用深度特征进行切片内相关性来提高分割精度。第二篇论文介绍了DivAS，一个交互式3D分割框架，它使用深度加权的体素聚合，并且设计用于处理各种3D场景表示，如Gaussian Splatting和NeRF，而无需进行特定于表示的优化。 AI
影响 这些3D分割技术的进步可能带来更准确的诊断和改进医学影像中的手术指导。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了3D图像分割的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Volumetric medical image segmentation is essential for both preoperative diagnosis and intraoperative guidance. While recent years have witnessed rapid progress in segmentation architectures, comparatively little attention is paid to the physical voxel spacing of anatomical data.…
arXiv:2601.04860v2 Announce Type: replace Abstract: Interactive 3D segmentation of a reconstructed scene should not require a representation-specific optimization loop. We observe that the recipe for lifting 2D foundation-model masks into 3D, namely prompting a few views, refinin…