PulseAugur
中
实时 11:01:32
English(EN) DualMiT-Net: Local-Global Transformer-Convolutional Fusion for Breast Mass Segmentation in Mammographic Regions of Interest

DualMiT-Net 通过双分支 AI 增强乳腺肿块分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 DualMiT-Net，这是一种用于分割乳腺钼靶图像中乳腺肿块的新型深度学习模型。该双分支网络结合了肿块的聚焦视图和周围乳腺组织的更广泛背景。局部分支利用 Mix Transformer (MiT-B5) 进行详细的形状和纹理分析，而全局分支则采用 EfficientNet-B5 来捕获上下文信息。在 CBIS-DDSM 数据集上的实验结果表明，DualMiT-Net 的平均 Dice 系数为 0.9375，平均交并比为 0.8834，优于多个基线模型。 AI

影响 该模型可以提高乳腺肿块分割的准确性和一致性，有助于更早、更精确的诊断。

排序理由 该集群包含一篇详细介绍用于医学图像分割的新型 AI 模型的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

DualMiT-Net 通过双分支 AI 增强乳腺肿块分割

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Alibek Kamiluly, Milana Muratova, Yash Patel, Fan Li ·

    DualMiT-Net：乳腺钼靶影像感兴趣区域中用于乳腺肿块分割的局部-全局 Transformer-卷积融合

    arXiv:2608.15019v1 Announce Type: cross Abstract: Breast mass segmentation is an important step in computer-aided mammography, but it remains difficult because masses can have low contrast, irregular shapes, and boundaries that blend with surrounding breast tissue. To address thi…

相关实体

相关话题