实体
3D Swin Transformer
3D Swin Transformer
PulseAugur coverage of 3D Swin Transformer — every cluster mentioning 3D Swin Transformer across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的B-MIM方法增强了CT扫描细粒度解剖结构的分割
研究人员开发了一种名为偏置掩码图像建模（B-MIM）的新型自监督预训练方法，以改进计算机断层扫描（CT）图像中细粒度解剖结构的分割。与现有方法优先考虑粗粒度语义理解不同，B-MIM通过随机降低全局语义对齐来增强对高频形态细节和结构连续性的捕捉。当应用于在大型多机构CT数据集上预训练的3D Swin Transformer骨干网络时，与完全微调的基线相比，B-MIM在肝脏血管和肿瘤分割方面表现出更高的拓扑保真度和具有竞争力的Dice分数。
-
新的B-MIM方法提高了CT扫描中细粒度解剖结构的分割精度
研究人员开发了偏置掩码图像建模（B-MIM），这是一种新颖的医学影像预训练目标。B-MIM通过减少全局语义对齐来修改iBOT目标，从而强调局部块重建，以此改进对细粒度解剖细节的捕捉。当应用于在大型CT数据集上预训练的3D Swin Transformer骨干网络时，B-MIM在分割肝脏血管和肿瘤等复杂结构方面表现出增强的性能。