LETT-NeXt模型通过RECIST引导增强3D CT病灶分割

研究人员开发了LETT-NeXt，这是一种轻量级模型，旨在通过RECIST标记进行CT扫描中的3D病灶分割。与传统的2D RECIST直径测量相比，该模型旨在提供更全面的病灶范围3D描述。LETT-NeXt将RECIST信息整合为提示通道，并利用MedNeXt-v2架构进行预测，在CVPR 2026泛癌CT图像分割基础模型竞赛中取得了有竞争力的结果。 AI

影响 该模型为癌症评估提供了改进的3D病灶分割，可能有助于更准确的治疗反应评估。

排序理由 该项目描述了一个新模型及其在特定任务上的性能，并在竞赛的背景下进行介绍。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• 3d Ct
• CVPR 2026 Foundation Models for Pan-cancer Segmentation in CT Images
• Lesion Segmentation
• LETT-NeXt
• Response Evaluation Criteria in Solid Tumors

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →