Dimitris K Iakovidis
PulseAugur coverage of Dimitris K Iakovidis — every cluster mentioning Dimitris K Iakovidis across labs, papers, and developer communities, ranked by signal.
-
新框架用模糊规则解释医学影像AI模型
研究人员开发了一个新框架来解释用于医学影像的基础模型的潜在特征。这个基于原型的模糊规则系统对特征进行聚类,生成人类可读的IF-THEN规则,从而提供模型如何组织临床信息的透明视图。该方法应用于在ImageNet-1K和GastroNet-5M上预训练的ViT-S/16模型,在未经微调的情况下实现了与黑盒分类器相当的准确率,并且还可以分析合成医学图像以了解生成器行为。
-
新型MRFFU-Net架构提高了MRI分割精度
研究人员开发了一种名为多分辨率特征融合U-Net(MRFFU-Net)的新型深度学习架构,旨在改进磁共振成像(MRI)扫描的分割。这种新颖的架构将多分辨率特征融合模块集成到类似U-Net的模型中,增强了其捕捉细粒度细节和全局上下文信息的能力,这对于分割具有不规则边界和不同对比度的复杂解剖结构至关重要。MRFFU-Net在脑脊液分割的脊柱MRI扫描数据集和Medical Segmentation Decathlon的心房分割数据集上进行…
-
模糊认知图实现可解释的合成医疗数据生成
研究人员开发了一种使用模糊认知图(FCMs)生成合成医疗数据的新颖方法,解决了现有模型通常缺乏可解释性且无法保留关键临床依赖性的局限性。该方法将特征间的关系编码为FCM的边权重,通过传播过程生成合成患者记录。该方法处理混合数据类型和领域约束,在基准数据集上表现出具有竞争力的性能,准确率高达0.81,AUROC高达0.90。它还提供了强大的统计一致性和隐私保证,为临床决策支持系统中值得信赖的合成数据生成,提供了一种计算高效且透明的替代深…