PulseAugur
实时 07:43:46
English(EN) C2W-Tune: Cavity-to -Wall Transfer Learning for Thin Atrial Wall Segmentation in 3D LGE-MRI

AI模型C2W-Tune改进了3D LGE-MRI中的心房薄壁分割

研究人员开发了C2W-Tune,一个新颖的两阶段迁移学习框架,旨在改进3D LGE-MRI扫描中薄心房壁的分割。该方法利用一个预训练的心房腔分割模型作为解剖先验,以增强薄壁的描绘。该方法在准确性方面表现出显著的改进,优于从头开始训练的基线模型,并且即使在减少监督的情况下也显示出有竞争力的结果。 AI

影响 引入了一种新颖的迁移学习技术,可以提高心脏MRI分析的诊断准确性。

排序理由 这是一篇详细介绍医学图像分割新方法的学术论文。[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 →

AI模型C2W-Tune改进了3D LGE-MRI中的心房薄壁分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yusri Al-Sanaani, Rebecca Thornhill, Sreeraman Rajan ·

    C2W-Tune:用于3D LGE-MRI薄房壁分割的腔到壁迁移学习

    arXiv:2603.24992v3 Announce Type: replace Abstract: Accurate segmentation of the left atrial (LA) wall in 3D late gadolinium-enhanced MRI (LGE-MRI) is essential for wall thickness mapping and fibrosis quantification, yet it remains challenging due to the wall's thin geometry, com…