PulseAugur
中
实时 03:03:08

新框架可检测医学影像数据中的标注噪声

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新框架，用于检测血管计算机断层扫描数据集中的单掩码标注噪声。这种解耦方法利用横截面块自一致性，识别不同扫描中相似的解剖块，以标记不一致或不可靠的标注。该系统提供可解释的标注错误证据，从而能够进行数据集质量评估和质量加权训练。实验表明，与轴对齐结构相比，横向和斜向血管的错误率显著更高。 AI

影响 通过识别和纠正标注错误，这项研究可以提高训练医学影像数据的AI模型的准确性和可靠性。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种用于图像标注噪声检测的新方法。

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 →

新框架可检测医学影像数据中的标注噪声

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Yinheng Zhu, Xiaowei Xu ·

    Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency

    arXiv:2607.05965v1 Announce Type: cross Abstract: Vascular computed tomography datasets are commonly annotated only once per scan, yielding the pervasive yet under addressed problem of single mask annotation noise. Existing solutions either require costly multirater fusion or are…

  2. arXiv cs.AI TIER_1 English(EN) · Xiaowei Xu ·

    通过跨截面块自一致性解耦单掩码标注噪声检测

    Vascular computed tomography datasets are commonly annotated only once per scan, yielding the pervasive yet under addressed problem of single mask annotation noise. Existing solutions either require costly multirater fusion or are coupled with network training, preventing explici…

相关实体

相关话题