Dice Score
PulseAugur coverage of Dice Score — every cluster mentioning Dice Score across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
MRI表示法用于深度学习FCD分割的基准测试
研究人员对用于局灶性皮质发育不良（FCD）的深度学习分割的磁共振成像（MRI）表示法进行了基准测试。他们使用nnU-Net框架，在一个包含85名FCD患者和25名对照者的数据集上评估了八种输入配置。研究发现，FLAIR图像作为单一模态表现最佳，而结合比率衍生的表示法与T1w和FLAIR图像可以改善病灶描绘，其中四通道多模态配置达到了最高的Dice分数0.376。
-
人机协作提升医学图像分割精度
研究人员开发了Hi-Seg框架，该框架增强了Segment Anything Model (SAM)在医学影像肺结节分割方面的能力。这个包含人类在内的系统允许标注员（包括非医学人员）迭代地优化AI生成的掩码，从而提高准确性并减少标注时间。在一项使用来自千余名患者的CT扫描进行的大规模研究中，Hi-Seg实现了近85%的平均Dice分数，显著优于现有的深度学习模型和SAM变体。研究结果表明，这种协作方法可以简化临床工作流程，并安全地将基…
-
AI 通过新框架和技术推动医学图像分割发展 · 跟踪 8 个来源
研究人员正在开发先进的医学图像分割 AI 框架，重点是提高准确性和效率。Hi-Seg 通过人机协作增强了用于肺结节分割的 Segment Anything Model (SAM)，实现了高 Dice 分数并缩短了标注时间。PU-UNet 引入了稳定的乘法交互用于医学图像分割，在保持效率的同时提高了 Dice 和 IoU 分数。CSWinUNETR 使用交叉条纹自注意力机制和多尺度模块来处理薄的解剖结构，性能优于现有方法。此外，SegD…
-
新的小波方法改进了跨域眼底图像分割
研究人员开发了一种新颖的小波引导分割网络WaveSDG，以解决不同采集条件下眼底图像分割的挑战。该方法通过将图像分解为小波子带，将解剖结构与特定域的外观分离开来。一个关键组件，基于小波的不变结构提取和细化（WISER）模块，可以细化特征以锚定全局解剖结构，同时增强边缘并减少噪声。在视杯和视盘分割上的评估表明，WaveSDG与现有的最先进方法相比，具有优越的性能和鲁棒性。
-
自监督MAE预训练提升nnFormer在医学图像分割中的性能
研究人员开发了一种使用掩码自编码器（MAE）的自监督预训练框架，以提高nnFormer模型在医学图像分割中的效率。该方法通过重建被掩盖的部分，使模型能够从无标签的医学图像中学习解剖结构表示，从而解决了医学影像中标记数据有限的挑战。实验表明，该方法在标记数据较少的情况下，能够提高分割性能，加速微调收敛，并改善泛化能力。