English(EN) Effect of User-Prompted Priors on Semi-Automated Cancer Lesion Segmentation in Whole-Body Computed Tomography

AI利用用户引导的先验知识改进CT扫描中的癌症病灶分割

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-28 04:00

研究人员调查了使用用户提示的先验知识来改进全身CT扫描中半自动癌症病灶分割的应用。研究发现，更复杂的空间先验知识持续提高了分割性能。具体而言，使用来自轴向、冠状面和矢状面的轮廓先验知识取得了最佳结果，在外部测试集上获得了0.882的平均Dice分数，显著优于没有空间先验知识的基线模型。 AI

影响提高了医学影像分析的准确性，可能加速临床试验并改善患者预后。

排序理由该集群包含一篇详细介绍医学图像分析新方法的论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Isac Stark, Johan \"Ofverstedt, Elin Lundstr\"om, Simon Ekstr\"om, H{\aa}kan Ahlstr\"om, Joel Kullberg · 2026-07-28 04:00

用户提示先验知识对全身CT半自动癌症病灶分割的影响

arXiv:2607.24210v1 Announce Type: new Abstract: In clinical oncology studies, metastatic cancer is commonly evaluated using "Response Evaluation Criteria in Solid Tumors" (RECIST), in which the diameter of up to five lesions is measured and followed over the course of treatment. …