实体
AutoPET-III
AutoPET-III
PulseAugur coverage of AutoPET-III — every cluster mentioning AutoPET-III across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
AI模型通过交互式涂鸦增强PET/CT病灶分割
研究人员开发了一种新颖的PET/CT扫描交互式病灶分割方法，采用涂鸦条件化ResEnc U-Net。该方法利用用户提供的涂鸦来标记前景和背景，显著提高了分割精度。该模型从先前挑战获胜者的权重初始化，经过微调和集成，在交互式校正后达到了0.751的平均Dice分数和0.733的病灶级别F1分数。
-
新的 FEEDS 策略通过减少标注来提高 AI 癌症检测效率
研究人员开发了一种名为 FEEDS（Foundation model-Enabled Efficient Data Sampling）的新策略，以提高用于 PET/CT 成像中癌症检测的 AI 模型训练效率。该方法利用视觉基础模型嵌入来智能选择最具信息量的未标注病例供专家标注，从而减少了通常所需的大量时间和专业知识。FEEDS 在各种数据集和示踪剂上，通过减少 70% 的标注工作量，实现了与完全标注相媲美的性能，并且优于随机抽样和传统…
-
AI通过不确定性量化改进癌症病灶分割
研究人员开发了一个新框架，用于改进全身PET/CT扫描中用于癌症分期的病灶分割。该方法集成了贝叶斯集成以减少变异性，并量化不确定性以突出潜在的错误分类区域。不确定性感知训练提高了病灶检测能力，尽管它会以精度为代价，并且一种自适应路由策略进一步优化了性能。