English(EN) J-RAS: Mutual Adaptation for Medical Image Segmentation via Contrastive Retrieval-Augmented Joint Optimization

新的J-RAS框架通过检索增强优化提升医学图像分割性能

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

研究人员开发了J-RAS，一个结合分割和检索模型以改进医学图像分析的新框架。该方法使用对比学习让检索网络识别相关的图像-掩码对，然后指导和优化分割模型。J-RAS框架旨在增强解剖推理能力，提高分割准确性，并增强对领域转移和罕见病例的鲁棒性，已在多个医学成像基准测试中得到验证。 AI

影响通过检索增强的对比学习，引入了一种提高医学图像分割准确性和泛化能力的新方法。

排序理由该集群包含一篇详细介绍医学图像分割新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Salma J. Ahmed, Emad A. Mohammed, Azam Asilian Bidgoli · 2026-06-04 04:00

J-RAS: Mutual Adaptation for Medical Image Segmentation via Contrastive Retrieval-Augmented Joint Optimization

arXiv:2510.09953v3 Announce Type: replace Abstract: Manual medical image segmentation by clinicians, though accurate, is time-consuming and variable across experts, whereas AI-based models automate this process but often underperform with limited data and domain shifts. Inspired …