English(EN) Subtraction-Based Tumor Segmentation and Lesion-Centered pCR Prediction for the MAMA-MIA Challenge

AI模型在肿瘤分割和pCR预测挑战赛中获得第二名

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

来自英国医学科学院院士团队详细介绍了他们为MAMA-MIA挑战赛设计的方案，重点关注使用动态增强MRI进行肿瘤分割和病理完全缓解（pCR）预测。他们的分割方法采用了基于减法的输入的nnU-Net集成模型，取得了0.713的Dice分数，总体排名第二。在pCR预测方面，他们集成了25个预训练的3D视频分类器，获得了0.664的综合分数，但他们也指出了仅凭基线DCE-MRI预测pCR的局限性。 AI

影响展示了用于医学图像分析的高级AI技术，有望提高肿瘤学诊断的准确性。

排序理由这是一篇研究论文，详细介绍了提交给挑战赛的方法和结果。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

本文如何被排名

Signal score: 31 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了提交给挑战赛的方法和结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Kai Geissler, Raphael Sch\"afer · 2026-09-01 04:00

基于减法的肿瘤分割和以病灶为中心的pCR预测用于MAMA-MIA挑战赛

arXiv:2608.29162v1 Announce Type: cross Abstract: We describe the submission of team FME to the MAMA-MIA Challenge, which evaluated primary tumor segmentation and prediction of pathological complete response (pCR) from pretreatment dynamic contrast-enhanced breast MRI on an exter…

本文如何被排名

报道来源 [1]

基于减法的肿瘤分割和以病灶为中心的pCR预测用于MAMA-MIA挑战赛

相关实体

相关话题