Kvasir-SEG
PulseAugur coverage of Kvasir-SEG — every cluster mentioning Kvasir-SEG across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型递归控制器增强轻量级息肉分割
研究人员开发了一种新颖的递归控制器，用于轻量级息肉分割，直接在骨干 logits 上操作以改进预测。该控制器聚合差异和不确定性证据来更新状态跟踪校正效用，并应用加性残差 logit 校正。该方法在 Kvasir-SEG 数据集和三个迁移数据集上使用统一协议进行评估，结果显示与开销极小的较重方法相比，性能持续提升且具有竞争力。
-
结肠镜息肉分割基准存在缺陷，审计发现 · 已追踪 2 个来源
对 2015 年至 2026 年间发表的 27 篇结肠镜息肉分割基准论文的最新审计显示，评估方法存在显著不一致。审计强调了三个关键问题：25 篇论文遗漏了关键的 Hausdorff 距离指标，对同一数据集上的研究使用了不兼容的训练/测试分割协议，以及 26 篇论文缺乏性能声明的统计显著性检验。即使在引入 Metrics Reloaded 框架后发表的论文中，这些问题仍然存在，表明需要更好地遵守标准化报告。为解决这些不足，提出了一项新的…
-
新的RadiomicNet架构通过可解释的人工智能增强医学图像分割
研究人员开发了RadiomicNet，这是一种新颖的深度学习医学图像分割架构，它集成了手工制作的放射组学特征，以增强可解释性并降低计算需求。这种混合方法使用带有灰度共生矩阵（GLCM）和局部二值模式（LBP）特征的放射组学注意力门（RAG），来指导轻量级MobileNetV2编码器-解码器中的注意力。RadiomicNet在乳腺超声图像（BUSI）数据集和Kvasir-SEG上取得了有竞争力的性能，同时使用的参数比标准的U-Net和U…
-
研究人员开发用于医学图像分割和持续学习的新型人工智能方法
研究人员正在开发先进的医学图像分割技术，以应对域偏移和提示依赖等挑战。一种方法侧重于SAM2等模型的无提示、参数高效微调，在降低计算成本的同时显著提高了准确性。另一项研究对医学分割的持续学习方法进行了基准测试，评估了遗忘之外的性能，并突出了基于重放方法的优势。此外，一个名为MedFlowSeg的新框架利用流匹配技术在医学图像分割中进行高效灵活的生成建模，其性能优于现有的基于扩散的方法。