研究人员开发了两个新颖的框架SAGE和SegMoTE，以改进医学图像分割。SAGE利用动态专家路由系统来适应细胞大小和形状的变化，在多个数据集上取得了高Dice分数。另一方面，SegMoTE以最少的学习参数和降低的标注成本，有效地将SAM等通用分割模型应用于医学成像任务。这两种方法都旨在提高AI在临床诊断中的准确性和实用性。 AI
影响 这些新的分割模型为临床诊断提供了更高的准确性和效率，有可能降低标注成本并促进AI在医疗保健领域的应用。
排序理由 arXiv上发表的两篇研究论文，介绍了医学图像分割的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2511.18493v4 Announce Type: replace-cross Abstract: The significant variability in cell size and shape continues to pose a major obstacle in computer-assisted cancer detection on gigapixel Whole Slide Images (WSIs), due to cellular heterogeneity. Current CNN-Transformer hyb…
arXiv:2602.19213v2 Announce Type: replace Abstract: Medical image segmentation is vital for clinical diagnosis and quantitative analysis, yet remains challenging due to the heterogeneity of imaging modalities and the high cost of pixel-level annotations. Although general interact…