实体
Aneesh Rangnekar
Aneesh Rangnekar
PulseAugur coverage of Aneesh Rangnekar — every cluster mentioning Aneesh Rangnekar across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的SWIFT方法提高了直肠癌分割的效率和校准
研究人员开发了SWIFT，一种用于分割MRI扫描中直肠癌的新方法，该方法优先考虑参数效率和肿瘤感知。该方法利用在CT体积上预训练并在MRI上微调的Swin V2编码器，探索了如解码器压缩和低秩适应等配置。虽然SWIFT的检测率为93.9%，但名为SWIFTe-LDE4的一个变体在最低误差率下表现出最佳校准，尽管仍存在残余失校准。
-
新的RF-Deep框架提升AI肺癌分割安全性
研究人员开发了RF-Deep，一个新颖的事后框架，旨在利用深度特征改进肺癌分割中分布外（OOD）输入的检测。该方法利用预训练分割骨干网络的层级特征，并锚定到预测的肿瘤区域，以最少的标记数据识别OOD的可能性。在超过2000例CT扫描上进行评估，RF-Deep在检测近OOD和远OOD病例方面表现出高精度，优于现有方法，并显示出作为临床AI部署安全过滤器的潜力。