研究人员开发了一个用于分割FDG PET/CT扫描中肿瘤的开源基础模型，从一开始就整合了解剖学和代谢数据。该模型在近5000个来自多个公共数据集的标准化扫描上进行训练，显示出显著的标签效率，仅用10%的标记数据就能达到与全数据集模型相当的性能。该框架利用了具有早期逐通道连接和掩码自动编码目标的层次化UNet骨干网络，为推进自动化肿瘤成像和减少标注需求提供了坚实的基础。 AI
影响 该模型可以显著减少临床实践中对手动标注的需求，从而加速AI在肿瘤成像领域的发展和部署。
排序理由 该集群包含一篇详细介绍用于医学图像分割的新基础模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →