研究人员开发并评估了六种深度学习模型训练策略，用于分割MRI扫描中的白质高信号和卒中病灶，特别是在处理部分标记数据集时。他们的分析对2,052个MRI容积的大型队列进行，发现伪标记是提高模型性能最有效的方法。这种方法展示了创建可靠的自动化分割工具的潜力，以帮助监测脑小血管病和提取临床研究的生物标志物。 AI
影响 展示了一种在有限标记数据上训练AI模型的可行方法，有望加速临床研究和疾病监测。
排序理由 详细介绍AI模型训练新方法的学术论文。[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 →