3D nnU-Net
PulseAugur coverage of 3D nnU-Net — every cluster mentioning 3D nnU-Net across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
nnU-Net 模型在多样化脑肿瘤数据集上的泛化能力有所下降
一项研究评估了 nnU-Net 模型在 BraTS-GoAT 2026 数据集内多样化患者人群的脑肿瘤分割任务上的泛化能力。研究人员在超过 1300 个标注病例上训练了一个标准的 3D nnU-Net 模型，观察到在内部验证集上的平均 Dice Similarity Coefficient (DSC) 从 0.9058 下降到汇集外部验证集上的 0.8310。分析表明，较小、更碎片化的肿瘤以及增强肿瘤成分连接性较差的肿瘤在分割方面面临…
-
新型光谱适配器增强SAM用于医学图像分割
研究人员开发了两种新型光谱适配器，DiSECT和SiGA，旨在增强Segment Anything Model (SAM)在计算机断层扫描 (CT) 中分割结直肠肝转移瘤 (CRLM) 的能力。这些适配器追求参数效率，DiSECT仅使用0.14百万个可训练参数。在对446个CT容积的评估中，SiGA在单点提示模式下取得了0.77的Dice分数，并在无提示场景下取得了与3D nnU-Net基线相当的0.76分数。
-
新的眼动数据集旨在提高癌症影像AI的可解释性
研究人员推出GazeXPErT，一个旨在增强肿瘤FDG-PET/CT扫描中AI模型可解释性和赋能性的新数据集。该数据集捕获专家眼动追踪数据，将注视模式与肿瘤检测和测量决策相关联。目标是通过理解人类专家如何视觉处理医学图像，来促进开发更值得信赖和更具交互性的AI诊断工具。初步实验表明，眼动数据可以显著提高AI模型性能并预测专家意图。