PulseAugur
中
实时 07:11:08
English(EN) From Spatial Semantics to Temporal Context: Leveraging Gaze Trajectory for Weakly Supervised Medical Image Segmentation

新AI模型TrailNet使用注视数据进行医学图像分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TrailNet，一种用于弱监督医学图像分割的新型网络。该系统有效利用注视数据（包括注视点和轨迹）来模拟时间上下文并增强医学图像中目标区域的感知。为了解决注视数据中的噪声并实现无注视推理，TrailNet采用了轨迹引导的时空编码器、多尺度不确定性解码器和周期蒸馏策略。实验表明，TrailNet的性能优于现有方法，在两个公共数据集上取得了81.25%和81.85%的Dice分数。 AI

影响 这项研究可能导致更高效、劳动强度更低的医学图像标注过程。

排序理由 该集群包含一篇详细介绍新AI模型及其实验结果的研究论文。[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 →

新AI模型TrailNet使用注视数据进行医学图像分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Shaoxuan Wu, Xiao Zhang, Xiaodi Zhao, Yunzhi Tian, Yilin Tang, Jun Feng ·

    从空间语义到时间上下文：利用注视轨迹进行弱监督医学图像分割

    arXiv:2607.26542v1 Announce Type: new Abstract: Medical image segmentation heavily depends on labor-intensive and time-consuming pixel-level annotations. Eye tracking offers a cost-effective solution that can be naturally integrated into clinical workflows. Recorded by eye tracke…

相关实体

相关话题