PulseAugur
中
实时 22:49:16
English(EN) Tumor-aware augmentation with task-guided attention analysis improves rectal cancer segmentation from magnetic resonance images

AI通过适应CT训练的模型改进直肠癌MRI分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新方法，通过解决从CT预训练的Transformer模型迁移知识中的挑战，来改进MRI扫描中直肠癌的分割。他们发现了由于零填充导致的标记效率低下以及在成像模态之间移动时特征适应无效的问题。通过引入肿瘤感知增强策略和各向异性裁剪，他们提高了模型覆盖肿瘤外观异质性的能力并恢复了标记效率，从而提高了检测率。 AI

影响 引入了改进医学影像中跨模态迁移学习的新技术，可能提高诊断准确性。

排序理由 详细介绍医学图像分割新方法的学术论文。 [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 →

AI通过适应CT训练的模型改进直肠癌MRI分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Aneesh Rangnekar, Joao Miranda, Natally Horvat, Stephanie Chahwan, Samir Alrayess, Aditya Apte, Aditi Iyer, Eve LoCastro, Revathi Ravella, Marc J Gollub, Iva Petkovska, Jesse Joshua Smith, Paul Romesser, Julio Garcia-Aguilar, Harini Veeraraghavan, Joseph ·

    肿瘤感知增强与任务引导注意力分析改进磁共振图像直肠癌分割

    arXiv:2605.05522v1 Announce Type: cross Abstract: Pretraining on large-scale datasets has been shown to improve transformer generalizability, even for out-of-domain (OOD) modalities and tasks. However, two common assumptions often fail under OOD transfer: that downstream datasets…

相关实体

相关话题