PulseAugur
中
实时 01:07:45
English(EN) Submanifold Sparse Convolutional Networks for Automated 3D Segmentation of Kidneys and Kidney Tumours in Computed Tomography

稀疏卷积网络提高三维肾脏肿瘤分割的准确性和速度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的两阶段三维分割方法，使用子流形稀疏卷积网络（SSCN）来更高效、更准确地检测CT扫描中的肾脏肿瘤。该方法首先用低分辨率稀疏网络识别感兴趣区域，然后用高分辨率稀疏网络优化分割。与密集卷积网络以及nnU-Net和SegVol等其他模型相比，SSCN方法显著减少了内存使用和推理时间，同时在KiTS23数据集上实现了具有竞争力的准确性。 AI

影响 这种新的分割方法为医学影像分析提供了一种更高效、更准确的方法，有望提高诊断速度和精度。

排序理由 这是一篇研究论文，详细介绍了一种用于医学图像分割的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

稀疏卷积网络提高三维肾脏肿瘤分割的准确性和速度

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sa\'ul Alonso-Monsalve, Leigh H. Whitehead, Adam Aurisano, Lorena Escudero Sanchez ·

    用于计算断层扫描中肾脏和肾脏肿瘤的自动三维分割的子流形稀疏卷积网络

    arXiv:2511.04334v2 Announce Type: replace-cross Abstract: Accurate delineation of kidney tumours in Computed Tomography (CT) is essential for downstream quantitative analysis and precision oncology, but manual segmentation is a specialised task, time-consuming and difficult to sc…

相关实体

相关话题