English(EN) Rethinking Data Imbalance in Class Incremental Surgical Instrument Segmentation

新框架SurgCSS解决了手术器械分割中的数据不平衡问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了SurgCSS，一个旨在改进神经网络中手术器械分割的新框架，特别解决了增量学习场景中的数据不平衡挑战。这种新旧数据之间以及特定时间点内的数据不平衡可能导致分割模型产生偏差和对先前学习过的器械产生灾难性遗忘。SurgCSS通过生成平衡的数据集（通过逼真的背景混合）并采用具有对比学习的类别脱敏损失来纠正边缘偏差，从而解决这些问题。该框架还动态融合模型权重，以优化学习新信息和保留旧信息之间的权衡，在一个新构建的基准测试中，其性能显著优于现有方法。 AI

影响解决了专业计算机视觉任务中增量学习的灾难性遗忘和数据不平衡问题。

排序理由学术论文，详细介绍了一种特定计算机视觉任务的新方法。[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 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种特定计算机视觉任务的新方法。[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, model release; 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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Shifang Zhao, Long Bai, Kun Yuan, Feng Li, Jieming Yu, Wenzhen Dong, Guankun Wang, Mobarakol Islam, Nicolas Padoy, Nassir Navab, Hongliang Ren · 2026-10-27 04:00

重新思考类别增量手术器械分割中的数据不平衡问题

arXiv:2610.34925v1 Announce Type: new Abstract: In surgical instrument segmentation, the increasing variety of instruments over time poses a significant challenge for existing neural networks, as they are unable to effectively learn such incremental tasks and suffer from catastro…

本文如何被排名

报道来源 [1]

重新思考类别增量手术器械分割中的数据不平衡问题

相关实体

相关话题