English(EN) ResNet-34 with Lightweight Decoder for Accurate and Efficient Segmentation of Fetal Brain MRI

新AI模型提高胎儿脑部MRI分割精度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种新的深度学习模型，用于分割胎儿脑部MRI扫描，旨在改善产前诊断。该模型结合了ResNet-34编码器和使用MLP模块的轻量级解码器，以增强边界保持并减少运动伪影引起的错误。该方法在FeTA 2021数据集上实现了高精度，优于现有架构，并展示了适合临床整合的效率。 AI

影响通过提高胎儿脑部MRI分析的准确性和效率，增强了产前护理的诊断能力。

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型深度学习模型的研究论文。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ashiqur Rahman, Muhammad E. H. Chowdhury, Md. Abu Sayed, Md. Sharjis Ibne Wadud, Abu Naser Md. Arafat, Mehedi Hasan Prince · 2026-06-02 04:00

ResNet-34 with Lightweight Decoder for Accurate and Efficient Segmentation of Fetal Brain MRI

arXiv:2606.01293v1 Announce Type: cross Abstract: Accurate segmentation of fetal brain tissues in Magnetic Resonance Imaging (MRI) is critical for early diagnosis of congenital abnormalities and improving prenatal care. However, the task remains difficult because of fetal motion,…