新的CT扫描分割方法使用来自文本报告的弱监督

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-29 04:00

研究人员开发了一种新颖的CT扫描分割方法，该方法使用从文本报告中提取的弱监督。该方法将体素级监督与从扫描-报告对中提取的切片级分类损失相结合。通过对SAM3分割模型进行微调，该技术显著提高了分割精度，在使用较少完全标记的卷时，相对提高了22%。 AI

影响这项研究通过减少对完全标记数据集的依赖，可能带来更高效、可扩展的医学图像分析。

排序理由该集群包含一篇详细介绍CT体积分割新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Sanjay Subramanian, Junwei Yu, Zirui Wang, Rohil Malpani, Maggie Chung, Adam Yala, Dan Klein, Trevor Darrell · 2026-07-29 04:00

基于语言弱监督的开放式CT体积分割

arXiv:2607.25860v1 Announce Type: new Abstract: We introduce a method for training a text-conditioned segmentation model for CT scans, which combines voxel-level supervision with coarse but scalable slice-level supervision from reports. We extract, from a large database of scan-r…