实体
HTC-SGA Former
HTC-SGA Former
PulseAugur coverage of HTC-SGA Former — every cluster mentioning HTC-SGA Former across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新AI模型改进冠状动脉分割以诊断疾病 · 跟踪2个来源
两篇新的研究论文介绍用于分割数字减影血管造影（DSA）图像中冠状动脉的先进深度学习模型。第一个模型HTC-SGA Former，利用混合Transformer-CNN架构和新颖的边界加权自适应复合损失（BWACL）来改进细薄、低对比度血管及其边界的分割。第二个模型MSA-UNet3+，采用多尺度注意力UNet3+框架结合监督原型对比损失（SPCL）来解决类别不平衡问题并增强特征区分度，以实现更精确的血管描绘。两种方法在私有数据集上均展…
-
新的混合Transformer-CNN模型增强了冠状动脉分割
研究人员开发了HTC-SGA Former，这是一种新颖的混合Transformer-CNN网络，用于数字减影血管造影（DSA）图像中的冠状动脉的精确分割。该框架通过集成用于局部形态的CNN编码器和用于全局上下文的Transformer解码器，解决了细小血管、低对比度和类别不平衡等挑战。该模型集成了专门的注意力机制和边界加权损失函数，以改善弱小血管的恢复和血管边界的细化。实验表明，HTC-SGA Former的参数量显著小于现有方法，…