English(EN) Attention-Based Prototype Calibration for Multi-Rater Few-Shot Medical Image Segmentation

新框架校准多评分者的医学图像分割

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-15 07:31

研究人员开发了一个基于注意力的原型校准框架，旨在改进少样本医学图像分割。该方法通过在原型空间中建模评分者特定的偏差来解决多位专家评分者标注变异性的常见问题。该框架利用一个轻量级注意力算子来优化评分者原型，而无需更改核心特征提取器，从而确保与现有分割技术的兼容性并保持语义一致性。 AI

影响通过考虑人类标注变异性，提高了医学图像分割的准确性。

排序理由该集群包含一篇在arXiv上发表的学术论文，详细介绍了一种新的医学图像分割方法。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CV TIER_1 English(EN) · Truong Vu, Minh Khoi Ho, Yutong Xie · 2026-06-16 04:00

面向多评分者少样本医学图像分割的注意力机制原型校准

arXiv:2606.16325v1 Announce Type: new Abstract: Few-shot medical image segmentation methods typically assume a single ground-truth annotation, overlooking systematic variability across expert raters commonly observed in clinical datasets. We propose an attention-based prototype c…
arXiv cs.CV TIER_1 English(EN) · Yutong Xie · 2026-06-15 07:31

面向多评分者少样本医学图像分割的注意力机制原型校准

Few-shot medical image segmentation methods typically assume a single ground-truth annotation, overlooking systematic variability across expert raters commonly observed in clinical datasets. We propose an attention-based prototype calibration framework for few-shot multi-rater se…