PulseAugur
中
实时 15:51:17
English(EN) Cross Modality Image Translation In Medical Imaging Using Generative Frameworks

生成模型在3D医学图像翻译中的比较

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员对七种用于3D医学图像到图像翻译的生成模型进行了全面评估，在多个数据集和解剖区域上比较了GANs与潜在生成模型。研究发现，GANs，特别是SRGAN，在合成医学图像方面通常优于潜在模型。一个关键发现是，尽管在与医生进行的视觉图灵测试中，合成图像与真实图像在很大程度上难以区分，但定量指标并未完全符合临床偏好，尤其是在小病灶和强度值的合成方面。 AI

影响 这项研究标准化了医学图像翻译的评估，有望提高诊断准确性并减少患者的辐射暴露。

排序理由 该集群包含一篇学术论文，详细介绍了针对特定研究任务的生成模型的比较评估。[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 →

生成模型在3D医学图像翻译中的比较

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Paolo Soda ·

    Cross Modality Image Translation In Medical Imaging Using Generative Frameworks

    Medical image-to-image (I2I) translation enables virtual scanning, i.e. the synthesis of a target imaging modality from a source one without additional acquisitions. Despite growing interest, most proposed methods operate on 2D slices, are evaluated on isolated tasks with differe…

相关实体

相关话题