BIC-MAC Challenge

AI模型应对PET衰减校正挑战 · 已追踪2个来源

两篇研究论文详细介绍了针对大型跨模态衰减校正（BIC-MAC）挑战的方法，重点在于从PET、MRI和顶图数据合成伪CT图像。第一篇论文强调了区域加权损失函数和模型融合的重要性，通过结合两个独立训练的模型取得了顶尖性能。第二篇论文介绍了一种多模态3D U-Net，具有单独的PET和MR编码器以及基于FiLM的顶图条件，强调减少对精确体素对应关系的依赖。