PulseAugur
实时 17:47:38

FetalSynthSeg 使用合成数据增强胎儿脑部 MRI 分割

研究人员开发了 FetalSynthSeg,一个用于生成合成胎儿脑部 MRI 数据的新框架,以提高分割准确性和域泛化能力。研究发现,基于简单高斯混合模型的强度建模和强度聚类比基于物理的复杂模拟更能增强域外鲁棒性。FetalSynthSeg 在 FeTA 2024 数据集上取得了最先进的性能,并在不同模态和站点之间展现了强大的分割能力,优于 BOUNTI 和 nn-Net 等现有方法。 AI

排序理由 该集群包含一篇学术论文,详细介绍了医学影像中合成数据生成的新方法。[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) · Vladyslav Zalevskyi, Thomas Sanchez, Margaux Roulet, Busra Bulut, H\'el\`ene Lajous, Jordina Aviles Verdera, Sara Neves Silva, Georg Langs, Gregor Kasprian, Roxane Licandro, Jana Hutter, Hamza Kebiri, Meritxell Bach Cuadra ·

    Evaluating Synthetic Data Generation for Domain Generalization in Fetal Brain MRI Segmentation

    arXiv:2411.06842v3 Announce Type: replace-cross Abstract: Fetal brain tissue segmentation from magnetic resonance imaging (MRI) is crucial for studying neurodevelopment, but remains challenging due to data heterogeneity and limited annotations. Domain randomization (DR) has recen…