实体
BraTS 2023
BraTS 2023
PulseAugur coverage of BraTS 2023 — every cluster mentioning BraTS 2023 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新基准测试比较用于脑肿瘤分割的深度学习模型
研究人员开发了一个统一的基准测试，用于比较磁共振成像扫描的3D脑肿瘤分割的深度学习模型。该研究在相同的实验条件下评估了五种最先进的模型，包括CNN、基于Transformer的模型和状态空间模型（SSM）。性能通过分割准确性指标和推理时间、模型大小等计算成本进行评估，从而深入了解不同架构范式在准确性和效率之间的权衡。
-
D3Seg模型在缺失MRI数据的情况下改进脑肿瘤分割
研究人员开发了一个名为D3Seg的新模型，用于改进MRI扫描的脑肿瘤分割，特别是在某些成像模态缺失的情况下。该模型采用了一种新颖的多跳模态图融合技术来理解不同MRI序列之间的关系，并采用一种基于扩散的插补方法来填补空白。在BraTS 2023数据集上的评估表明，D3Seg在准确性方面取得了显著改进，在肿瘤子区域的Dice分数上比当前最先进的方法提高了1-2%，同时保持了计算效率。
-
AI模型在脑肿瘤分类和分割方面取得高精度
研究人员开发了两个独立的深度学习框架，用于使用MRI扫描进行脑肿瘤分析。一个框架利用视觉Transformer（ViT-B/16）进行自动四类肿瘤分类，准确率达到99.29%，并提供关键区域的可解释热图。第二种方法UniME通过采用两阶段异构架构来解决MRI模态缺失的脑肿瘤分割问题，该架构首先建立统一表示，然后结合特定模态的编码器进行精确分割。