研究人员开发了一个深度学习框架，可自动分割DIXON MRI扫描中的阴茎组织，从而实现男性生殖健康研究的人口规模定量表型分析。该模型在精选数据集上使用3D nnU-Net架构进行了优化，并在独立测试集上达到了观察者级别的准确性。该框架已成功应用于超过34,000名UK Biobank参与者，证明了高可重复性，并为解剖学评估提供了一种可扩展的方法。 AI
影响 通过自动化的MRI分析，实现了男性生殖健康研究中的大规模定量表型分析。
排序理由 该项目是一篇学术论文，详细介绍了一种用于医学图像分割的新型深度学习模型。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- DIXON MRI
- Gotit.pub
- Hugging Face
- Litmaps
- nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
- ScienceCast
- scite Smart Citations
- UK Biobank
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
