PulseAugur
中
实时 10:09:14
English(EN) Vision-Language Enhanced Foundation Model for Semi-Supervised Medical Image Segmentation

基于VLM的新型助手，用有限数据提升医学图像分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的视觉-语言增强半监督分割助手（VESSA），用于医学图像分割。该模型将视觉-语言模型（VLM）集成到半监督学习框架中，以提高在专家标注有限情况下的分割准确性。VESSA分两个阶段进行：首先，它作为参考引导的分割助手进行训练，使用示例分割来为掩码解码器生成结构化提示。其次，它在半监督框架中充当即插即用的教师，提供模板引导的伪标签以增强监督。 AI

影响 这种方法可以显著提高医学图像分析的效率和准确性，减少对大量手动标注的需求。

排序理由 该集群描述了一篇关于用于医学图像分割的新型模型的详细研究论文。[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 →

基于VLM的新型助手，用有限数据提升医学图像分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jiaqi Guo, Mingzhen Li, Hanyu Su, Keigo Healy, Lexiaozi Fan, Neda Tavakoli, Santiago L\'opez-Tapia, Daniel Kim, Aggelos K. Katsaggelos ·

    用于半监督医学图像分割的视觉语言增强基础模型

    arXiv:2511.19759v3 Announce Type: replace Abstract: Semi-supervised learning (SSL) has emerged as an efficient paradigm for medical image segmentation, reducing the reliance on extensive expert annotations. Vision-language models (VLMs) have demonstrated strong generalization and…

相关实体

相关话题