PulseAugur
中
实时 08:46:39
English(EN) SegWithU: Uncertainty as Perturbation Energy for Single-Forward-Pass Risk-Aware Medical Image Segmentation

SegWithU框架通过不确定性估计增强医学图像分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SegWithU，一种新颖的医学图像分割框架，无需多次推理即可准确估计不确定性。这种事后方法通过一个轻量级的不确定性头部来增强现有的分割模型，利用中间特征将不确定性建模为扰动能量。SegWithU在多个数据集上表现出色，在保持分割质量的同时取得了高AUROC和AURC分数，使其成为可靠医学图像分析的实用解决方案。 AI

影响 增强医学图像分割的可靠性，可能改善下游临床决策支持。

排序理由 该集群包含一篇详细介绍医学图像分割新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

SegWithU框架通过不确定性估计增强医学图像分割

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tianhao Fu, Austin Wang, Charles Chen, Roby Aldave-Garza, Yucheng Chen ·

    SegWithU: Uncertainty as Perturbation Energy for Single-Forward-Pass Risk-Aware Medical Image Segmentation

    arXiv:2604.15271v3 Announce Type: replace-cross Abstract: Reliable uncertainty estimation is critical for medical image segmentation, where automated contours feed downstream quantification and clinical decision support. Many strong uncertainty methods require repeated inference,…

相关话题