English(EN) BMDS-Net:Deployment-aware multi-modal brain tumor segmentation with adaptive fusion,decoder regularization,and Bayesian calibration

BMDS-Net 通过自适应融合和贝叶斯校准改进脑肿瘤分割

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-11 04:00

研究人员开发了 BMDS-Net，一个新颖的两阶段框架，用于使用 MRI 数据进行多模态脑肿瘤分割。该系统结合了自适应模态融合和边界感知正则化，以提高准确性，尤其是在某些 MRI 序列缺失时。此外，它采用贝叶斯校准来提供可靠的不确定性估计，以显著降低的训练成本实现了与大型集成模型相当的性能。 AI

影响这项研究通过提高脑肿瘤分割的准确性和可靠性，推动了医学影像 AI 的发展，可能有助于诊断和治疗规划。

排序理由该项目是一篇研究论文，详细介绍了新模型及其在既定基准上的性能。[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) · Yan Zhou, Suncheng Xiang, Zhen Huang, Yue Ouyang, Yingqiu Li, Zehua Wang · 2026-08-11 04:00

BMDS-Net：具有自适应融合、解码器正则化和贝叶斯校准的部署感知多模态脑肿瘤分割

arXiv:2601.17504v2 Announce Type: replace Abstract: Multi-modal MRI enables detailed brain tumor sub-region segmentation, but clinical deployment remains affected by missing sequences,boundary errors, and overconfident predictions. We present BMDS-Net, a two-stage Swin UNETR fram…