PulseAugur
实时 11:56:59
English(EN) Compute-Optimal Network Design for Echocardiography Myocardial Segmentation and Perfusion Quantification using Neural Scaling Laws

神经缩放定律优化用于心脏成像分析的AI

研究人员将通常用于大型语言模型的神经缩放定律技术应用于优化医学图像分割的神经网络。通过从较小的数据子集中推断性能,他们识别出了超声心动图心肌分割的高效网络设计。所得模型在基准数据集上达到了最先进的性能,参数数量显著减少,并在心肌灌注定量方面展现出与资深心脏病专家相当的临床效用。 AI

影响 展示了一种在有限的医学成像数据集上优化AI模型的新颖方法,有可能加速AI工具在临床上的应用。

排序理由 该集群包含一篇学术论文,详细介绍了应用于特定领域的新研究方法。[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 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Clara Rodrigo Gonz\'alez, Matthieu Toulemonde, Lasha Gvinianidze, Cameron A. B. Smith, Oscar Bates, Roxy Senior, Fu Siong Ng, Meng-Xing Tang ·

    基于神经缩放定律的超声心动图心肌分割和灌注量化计算最优网络设计

    arXiv:2606.06725v1 Announce Type: cross Abstract: Myocardial perfusion quantification using contrast-enhanced ultrasound offers a bedside non-ionizing alternative to nuclear imaging modalities. However, its clinical adoption is hindered by time-consuming manual labelling. Automat…