PulseAugur
中
实时 10:48:59
English(EN) ORACLE-CT: Anatomy-Aware Support Pooling for CT Classification

ORACLE-CT框架提高了CT扫描疾病分类的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ORACLE-CT，一个旨在提高腹部CT扫描疾病分类准确性的新框架。该系统利用多器官分割来引导注意力池关注相关的解剖区域，解决了大型3D体积内局部证据的挑战。评估表明，当ORACLE-CT与DINOv3和I3D-ResNet-121等各种编码器集成时，与标准的全局池方法相比，其分类性能和外部鲁棒性得到了显著提高。 AI

影响 通过将AI聚焦于相关的解剖证据，提高了医学影像的诊断准确性。

排序理由 这是一篇描述医学图像分析新框架的研究论文。[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 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Lavsen Dahal, Yubraj Bhandari, Geoffrey Rubin, Joseph Y. Lo ·

    ORACLE-CT: CT分类的解剖感知支持池

    arXiv:2606.05460v1 Announce Type: new Abstract: Abdominal CT disease classification is challenging because each scan is a large 3D volume with many possible findings, while diagnostic evidence is often confined to specific organs or anatomical compartments. Most study-level class…

相关实体

相关话题