CalcSeg

CalcSeg框架通过新颖的学习方法改进心肌瘢痕分割

研究人员开发了CalcSeg，一种用于从单层LGE-CMR图像分割心肌瘢痕的新颖框架。该方法采用置信度感知的潜在上下文课程学习，整合预测误差与认知不确定性和瘢痕负荷估计，以评估样本难度，无需手动标签。为解决有限的3D空间上下文问题，CalcSeg利用潜在的切片式自注意力机制来捕获切片间的依赖关系。在多中心临床数据集上的评估表明，CalcSeg在分割现有瘢痕分割网络方面始终表现优异，尤其是在具有挑战性的病例上。