PulseAugur
中
实时 05:29:04

MRI表示法用于深度学习FCD分割的基准测试

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员对用于局灶性皮质发育不良（FCD）的深度学习分割的磁共振成像（MRI）表示法进行了基准测试。他们使用nnU-Net框架，在一个包含85名FCD患者和25名对照者的数据集上评估了八种输入配置。研究发现，FLAIR图像作为单一模态表现最佳，而结合比率衍生的表示法与T1w和FLAIR图像可以改善病灶描绘，其中四通道多模态配置达到了最高的Dice分数0.376。 AI

影响 优化用于医学图像分析的深度学习模型，可能提高癫痫的诊断准确性。

排序理由 学术论文，展示了医学图像分割的基准研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

MRI表示法用于深度学习FCD分割的基准测试

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha ·

    深度学习辅助局灶性皮层发育不良分割的MRI表征基准测试

    arXiv:2607.15605v1 Announce Type: new Abstract: Focal cortical dysplasia (FCD) is one of the leading structural causes of drug-resistant focal epilepsy, yet its subtle and heterogeneous imaging characteristics make accurate identification and delineation challenging on convention…

相关实体

相关话题