PulseAugur
中
实时 04:01:23
English(EN) RUFNet: Query-Guided Support Mask Refinement and Uncertainty Fusion based on Hybrid Mamba for Few-Shot Brain Tumor Segmentation

RUFNet框架利用混合Mamba增强少样本脑肿瘤分割

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了RUFNet，一个利用混合Mamba骨干网络进行少样本脑肿瘤分割的新型框架。该方法通过引入一个注意力引导掩码精炼模块来重新校准支持掩码，以及一个不确定性感知后验融合模块来估计像素级置信度，从而解决了支持掩码噪声和患者间差异等挑战。RUFNet在BraTS 2020数据集上表现出卓越的性能，在1-way 1-shot和1-way 5-shot设置下分别实现了84.3%和86.1%的Dice系数，优于现有的最先进方法。 AI

影响 这项研究有望提高医学图像分割的准确性和鲁棒性，可能有助于更早、更精确地诊断脑肿瘤。

排序理由 该集群包含一篇详细介绍新模型及其在特定数据集上性能的研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

RUFNet框架利用混合Mamba增强少样本脑肿瘤分割

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Dongyi He, Xiangkai Wang, Binbing Xu, Bin Jiang, Hongjie Yan, Weixiang Liu, Wai Ting Siok, Nizhuan Wang ·

    RUFNet：基于混合Mamba的查询引导支持掩码细化与不确定性融合用于少样本脑肿瘤分割

    arXiv:2607.05035v1 Announce Type: cross Abstract: Few-shot brain tumor segmentation remains challenging due to noisy support masks, inter-patient variations between support and query images, and the lack of pixel-wise confidence estimation. This study proposes RUFNet, a Hybrid Ma…

  2. arXiv cs.AI TIER_1 English(EN) · Nizhuan Wang ·

    RUFNet：基于混合Mamba的查询引导支持掩码细化与不确定性融合用于少样本脑肿瘤分割

    Few-shot brain tumor segmentation remains challenging due to noisy support masks, inter-patient variations between support and query images, and the lack of pixel-wise confidence estimation. This study proposes RUFNet, a Hybrid Mamba-based few-shot framework that combines support…

相关实体

相关话题