PulseAugur
中
实时 09:31:03
实体 glutamate carboxypeptidase II

glutamate carboxypeptidase II

PulseAugur coverage of glutamate carboxypeptidase II — every cluster mentioning glutamate carboxypeptidase II across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
  1. RESEARCH · CL_227248 ·

    AI模型助力AUTOPET V挑战赛PET/CT病灶分割 · 追踪2个来源

    两篇提交至arXiv的研究论文详细介绍了用于AUTOPET V挑战赛的PET/CT扫描交互式病灶分割的新颖管线。两种方法都侧重于区分FDG和PSMA示踪剂,并结合解剖学背景以提高准确性。一种方法TRIAGE使用带有掩码自编码预训练的3D STU-Net和辅助器官分割模型,而另一种方法则基于nnU-Net框架,采用包含在线交互式精炼的两阶段训练过程。

  2. RESEARCH · CL_210631 ·

    新研究探索用于PET/CT病灶分割的多模态AI

    两篇新研究论文探讨了用于癌症患者PET/CT病灶分割的多模态自监督学习。第一篇论文MUST-PET提出了一个框架,该框架同时使用PET和CT扫描数据,并在FDG和PSMA等不同放射性示踪剂之间进行训练,以提高泛化能力并减少对大量手动标注的需求。第二篇论文研究了结合两种示踪剂PSMA和FDG数据的各种融合策略,发现虽然融合可能是有益的,但特定于示踪剂的模型通常表现更好,特别是当示踪剂能够捕捉前列腺癌等病症的互补生物学信息时。

  3. TOOL · CL_196228 ·

    新的 FEEDS 策略通过减少标注来提高 AI 癌症检测效率

    研究人员开发了一种名为 FEEDS(Foundation model-Enabled Efficient Data Sampling)的新策略,以提高用于 PET/CT 成像中癌症检测的 AI 模型训练效率。该方法利用视觉基础模型嵌入来智能选择最具信息量的未标注病例供专家标注,从而减少了通常所需的大量时间和专业知识。FEEDS 在各种数据集和示踪剂上,通过减少 70% 的标注工作量,实现了与完全标注相媲美的性能,并且优于随机抽样和传统…