研究人员开发了一个名为风险导向隐式边界细化（RIBR）的新分割框架，旨在提高医学超声图像分割的准确性。该方法通过使用隐式神经表示进行边界细化来解决噪声和低对比度边界等挑战，并通过风险路由机制进行控制。RIBR还结合了几何感知和斑点感知正则化，以增强不确定的轮廓并抑制非边界振荡。在九个不同器官的超声数据集上的评估表明，RIBR在紧凑的参数预算内实现了最佳的整体宏平均边界误差降低，展现了其卓越的性能和效率。 AI
影响 这项新的分割框架可以提高医学超声成像的诊断准确性。
排序理由 这是一篇详细介绍图像分割新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
