PulseAugur
中
实时 10:03:55
English(EN) MaLViL: Multi-axis Low-rank Vision-LSTM for Medical Image Segmentation

新型 MaLViL 网络提高医学图像分割精度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 MaLViL，一种新颖的多轴低秩 Vision-LSTM 网络，旨在增强医学图像分割。该架构将 Vision-LSTM 扩展到解码器分辨率，并结合了双向低秩 ViL 和尺度感知 SaLViL，以保留精细的解剖细节并将计算内存减少高达 83 倍。MaLViL 在皮肤病变、超声和多器官 CT 扫描的基准测试中已显示出具有竞争力的或最先进的准确性。 AI

影响 这种新架构可能带来更准确、更高效的医学图像分析，从而可能提高诊断能力。

排序理由 该集群包含一篇详细介绍特定任务新模型架构的研究论文。[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 →

新型 MaLViL 网络提高医学图像分割精度

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Afshin Bozorgpour, Sina Ghorbani Kolahi, Moein Heidari, Ilker Hacihaliloglu, Dorit Merhof ·

    MaLViL：用于医学图像分割的多轴低秩视觉LSTM

    arXiv:2608.17635v1 Announce Type: new Abstract: Vision-LSTM (ViL) enables efficient global modeling, but its cost still scales with the number of spatial tokens, so existing segmenters confine ViL to a coarse bottleneck and lose fine anatomical detail. Rasterizing 2D features int…

相关话题