CVC-ClinicDB
PulseAugur coverage of CVC-ClinicDB — every cluster mentioning CVC-ClinicDB across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
分割模型显示出数据集依赖的特征谱脆弱性
一篇新研究论文探讨了计算机视觉中分割模型的脆弱性，重点关注它们对学习到的特征表示中频率内容的依赖性。该研究将低通滤波应用于 CNN、状态空间模型 (SSM) 和 Transformer 架构在 CVC-ClinicDB 和 ISIC2018 两个数据集上的内部表示。结果显示性能显著下降，尤其是在 CVC-ClinicDB 上，其严重程度因架构和数据集而异。研究还发现，对这些谱干预的敏感性位于特定架构的深度，并表明特征谱鲁棒性与输入域谱鲁棒性不同。
-
大型语言模型在息肉诊断方面展现潜力，但深度学习框架在分类方面领先
一项新研究使用PRIME数据集评估了几种大型语言模型（LLMs）在结直肠息肉分类中的诊断准确性。Claude Opus 4和Gemini 2.5 Pro在区分息肉亚型方面表现出最高的准确性，最接近专家共识，但总体敏感性和特异性未达到临床标准。另外，一个名为PolypVision的深度学习框架被开发用于息肉分类和分割，在公共数据集上取得了高性能，并提供了设备无关的解决方案。
-
Tree-NET框架提升医学图像分割效率
研究人员开发了Tree-NET，一个旨在提高二维医学图像分割准确性和效率的新型框架。该方法利用双瓶颈监督，在分割过程的输入和输出阶段应用特征压缩。通过在降维特征上操作，Tree-NET显著降低了计算成本，将FLOPs减少高达13倍，并减少了内存使用，同时不影响分割性能。该框架已在包括皮肤病变和息肉分割在内的各种骨干模型和分割任务中证明了其有效性。
-
结肠镜息肉分割基准存在缺陷，审计发现 · 已追踪 2 个来源
对 2015 年至 2026 年间发表的 27 篇结肠镜息肉分割基准论文的最新审计显示，评估方法存在显著不一致。审计强调了三个关键问题：25 篇论文遗漏了关键的 Hausdorff 距离指标，对同一数据集上的研究使用了不兼容的训练/测试分割协议，以及 26 篇论文缺乏性能声明的统计显著性检验。即使在引入 Metrics Reloaded 框架后发表的论文中，这些问题仍然存在，表明需要更好地遵守标准化报告。为解决这些不足，提出了一项新的…
-
CRC-SAM框架实现多模态结直肠癌分割
研究人员开发了CRC-SAM，一个用于分割CT、结肠镜和组织学等多种成像类型结直肠癌的新型框架。该系统基于MedSAM模型，并利用低秩适配（LoRA）技术进行高效迁移学习，以适应不同的医学成像领域。在多个数据集上的实验表明，CRC-SAM的性能优于现有方法，证明了轻量级适配基础模型在癌症分析中的有效性。
-
TopoMamba 通过拓扑感知扫描改进医学图像分割
研究人员开发了 TopoMamba，一个旨在改进异构医学视觉媒体分割的新型框架。该方法通过引入拓扑感知扫描和轻量级融合机制，解决了现有视觉状态空间模型的局限性。在各种医学数据集上的实验表明，TopoMamba 表现优越，尤其是在分割弯曲或细小解剖结构等复杂结构方面。