研究人员开发了一个名为 ReGA 的新颖框架，用于骨盆骨分割模型的测试时自适应。这个闭环系统解决了在一家医院环境中训练的模型部署到另一家医院时出现的边界退化和解剖不一致等挑战。ReGA 采用动态可靠性引导方法，结合分割推理一致性评估 (SICE) 来衡量区域重叠和边界偏差，以及置信度加权对比学习策略来强制执行解剖一致性。在三个不同数据集上的实验表明，ReGA 的性能优于现有的测试时自适应方法，能够有效地将模型适应到新的临床领域。 AI
影响 这项研究可以提高不同临床环境中医学影像分析的准确性和可靠性。
排序理由 这是一篇详细介绍模型自适应新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- computed tomography
- Pelvic Bone Segmentation
- ReGA
- Segmentation Inference Consistency Evaluation
- SICE
- teacher-student relationship
- TypeScript
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
