Hausdorff distance
PulseAugur coverage of Hausdorff distance — every cluster mentioning Hausdorff distance across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
成人肾脏MRI分割模型在儿童肾母细胞瘤分割上展现出潜力
研究人员评估了深度学习模型在MRI扫描中肾脏病变分割的跨域泛化能力。他们在一个成人肾脏MRI数据集上训练了一个模型，并在成人病变和儿童肾母细胞瘤上测试了其性能。在儿童肾母细胞瘤上，该成人训练模型表现出有希望的结果，中位Dice相似系数（DSC）为0.85，仅略低于专门针对儿童的模型（0.90）。这表明成人数据集可以为儿科应用提供有价值的预训练，尽管专门的儿科数据仍然能提供更优越的性能。
-
新研究量化了分类器鲁棒性与准确性之间的权衡
本文严格证明了非参数二元分类中对抗性分类器的最优定量估计。它证明了在控制豪斯多夫距离（与贝叶斯分类器相比）测量的几何精度时，鲁棒分类器在准确性上的损失最多为 $O(\sqrt{\varepsilon})$ 或 $O(\varepsilon)$，具体取决于贝叶斯分类器的正则性。这些发现适用于欧几里得空间中由任何范数定义的对抗者，并且在无限和有限数据设置中都有效，这与先前认为在低复杂度假设类别中鲁棒性与准确性不兼容的工作形成对比。
-
新的MID指标评估医学图像分割分布
研究人员引入了MID（掩码-图像分布散度），一种用于医学图像分割的新型评估指标，它在分布层面而非样本层面进行比较。该新指标即使在无标签数据上也能评估分割质量，并验证预测掩码是否与真实标签群体的分布结构一致。MID已在13个公共数据集上进行了评估，并证明其能够跟踪Dice和Hausdorff距离等传统指标，同时还能识别分布偏移和图像-掩码不对齐。
-
TraceCAD通过持久化恢复增强了基于LLM的CAD生成
研究人员开发了TraceCAD，这是一种新颖的恢复层，旨在提高大型语言模型（LLM）生成CAD的可靠性。该系统维护持久化状态，链接请求的功能、建模步骤和恢复结果，以诊断和纠正错误的操作。TraceCAD的方法包括在依赖区域内搜索有界编辑，并通过执行和保留检查来验证候选对象。在DeepCAD基准测试上的评估表明，TraceCAD在实现具有竞争力的几何质量的同时，减少了重试次数、token成本和延迟，证明了持久化、局部化和可重用恢复机制的有效性。
-
新框架使用下界表示改进轨迹相似性学习
研究人员开发了一个名为LB-TrajRep的新框架，用于学习轨迹相似性。该方法使用与深度神经网络嵌入无关的下界表示，为动态时间规整（DTW）、豪斯多夫距离和离散弗雷歇距离（DFD）等各种轨迹距离提供可接受且可解释的界限。实验表明，LB-TrajRep在某些指标上将top-k排名准确率提高了高达60%，持续优于当前的神经轨迹嵌入。
-
新理论界定常微分方程从解数据中识别的界限
研究人员开发了一个新的理论框架，用于从解数据中识别控制方程，解决了科学机器学习中的一个基本挑战。该方法引入了Hausdorff距离作为比较微分方程的度量，能够表征方程可以唯一且稳定地识别的条件。这项工作提供了可识别性界限并分析了样本复杂度，量化了可靠恢复各种常微分方程类别下底层方程所需的观测数量。
-
新指标SC-MFJ评估医学图像分割中的触觉质量
研究人员开发了一种名为SC-MFJ的新指标，用于评估医学图像分割的触觉质量，这对于手术模拟至关重要。与关注几何重叠的传统指标不同，SC-MFJ测量模拟触觉渲染过程中接触力的抖动。这一新指标揭示了不同分割方法之间触觉质量的显著差异，突出了几何指标所忽略的问题。
-
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。