PulseAugur
中
实时 14:49:13
实体 nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation

nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation

PulseAugur coverage of nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation — every cluster mentioning nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
16
90 天内 91
发布 · 30天
0
90 天内 0
论文 · 30天
16
90 天内 90
层级分布 · 90 天
主题
关系
情绪 · 30 天

7 天有情绪数据

最近 · 第 1/5 页 · 共 95 条
  1. RESEARCH · CL_366356 ·

    新的 VLM 通过解剖学接地和原生分割改进 3D CT 图像分析

    两篇新的研究论文介绍了用于 3D 医学成像的高级视觉语言模型 (VLM),特别关注计算机断层扫描 (CT) 扫描。ORGANIC3D 旨在通过训练模型将其预测建立在解剖学证据的基础上,来改进器官级别的图像-文本对齐,展示了最先进的分类准确性和改进的生成能力。另一方面,NativeSeg 专注于 VLM 中的原生分割,直接在空间视觉标记上执行密集掩码解码和局部缩放,无需外部工具,实现了高分割准确性并改进了现有的分割模型。

  2. TOOL · CL_364415 ·

    Diffusion models generate synthetic data to improve echocardiography tasks

    研究人员探索了使用扩散模型生成合成数据来改进超声心动图任务,例如分割和心脏相位分类。他们的研究比较了三种生成方法,发现基于抽象标记和分割掩码的条件生成方法产生了最低的弗雷歇起始距离(FID)。这种合成数据增强提高了ResNet-18和VGG-16模型的分类准确性,并提高了CAMUS 2D U-Net和CardiacUDC nnU-Net等分割模型的平均Dice分数。

  3. TOOL · CL_364140 ·

    新框架重用分割以实现高效的3D医学图像分类

    研究人员开发了一个新颖的自配置框架,该框架扩展了nnU-Net工作流程,以处理3D医学成像中的分割和分类任务。该框架有效地重用了分割模型为图像级分类学习到的表示,并使用轻量级分类器利用编码器特征和预测的分割概率。该方法在FLARE 2026 Task 2竞赛中获得第一名,通过在分类中重用分割表示的同时保持效率,展示了其实际价值。

  4. TOOL · CL_360270 ·

    新的 ISLA 框架改进了 MRI 中的卒中病灶分割

    研究人员开发了 ISLA,一种用于分割扩散 MRI 扫描中急性缺血性卒中病灶的新颖框架。ISLA 基于 nnU-Net 架构,并结合了集成学习、注意力模块和深度监督,以提高在不同临床站点之间的泛化能力。ISLA-MT 的一个变体通过半监督学习利用未标记的目标域图像,进一步提高了性能。两种模型在独立的多中心临床队列中均表现出强大的性能和鲁棒性,优于现有方法,其中 ISLA-MT 在泛化到外部数据方面显示出特别的疗效。

  5. TOOL · CL_352395 ·

    nnU-Net在地理萎缩分割研究中领先深度学习模型

    一项新近发表在arXiv上的研究评估了五种深度学习模型在面部OCT图像地理萎缩(GA)分割中的表现。GA分割是诊断和监测年龄相关性黄斑变性(AMD)的关键步骤。研究发现,nnU-Net框架取得了最高的性能,Dice相似系数为0.8882,与Nested U-Net、ResU-Net、Swin-Unet和MedSegDiff模型相比,在不同成像设备上展现出卓越的准确性和鲁棒性。研究结果表明,nnU-Net是GA量化的可靠选择,尤其是在数…

  6. TOOL · CL_352076 ·

    AI系统COMPASS-METS改进了MRI脑转移瘤分割

    研究人员开发了COMPASS-METS,一个用于分割MRI扫描中脑转移瘤和切除腔的新系统。该系统结合了多个nnU-Net配置来创建概率集成,并纳入了区域特定决策和几何约束。COMPASS-METS在BraTS-METS 2026 Task 1开发队列上表现强劲,在关键分割指标上优于ResEncXL等现有方法。

  7. TOOL · CL_336467 ·

    新型统一模型可分割MRI扫描中的胰腺肿瘤和器官

    研究人员开发了Pancreas-MedNeXt,这是一种统一模型,用于从MRI扫描中分割胰腺肿瘤和周围的危及器官。该模型采用共享编码器-解码器架构,通过多任务微调和感知标注的损失函数来处理部分标记数据。在评估中,与现有方法相比,Pancreas-MedNeXt在分割胰腺和肿瘤方面表现出优越的性能,Dice相似系数得分有显著提高。

  8. TOOL · CL_336456 ·

    新的SAILS方法利用空间图谱改进前列腺癌转移灶检测

    研究人员开发了一种新颖的方法,通过将人群转移灶图谱整合到训练过程中,来分割全身PSMA PET/CT扫描中的前列腺癌转移灶。这种名为SAILS(Spatial Atlas-Informed Loss enSemble)的方法使用空间图谱统计数据来加权损失函数,从而提高病灶检测能力并减少漏诊的转移灶体积。虽然SAILS在AutoPET III和Deep-PSMA数据集上均显示出病灶敏感性和高风险骨转移灶分割的显著改进,但它也导致了假阳性的增加。

  9. TOOL · CL_332972 ·

    自训练提升X射线血管造影冠状血管分割效果

    研究人员开发了一种自训练方法,以改进X射线血管造影中冠状血管的分割效果,特别是针对未包含在初始训练集中的中心的数据。通过使用预训练的nnU-Net模型生成的伪标签和预对比帧减影技术,模型在XCAD等外部数据集上表现出性能提升。这种自训练方法的有效性高度依赖于模型生成的初始伪标签的质量。

  10. TOOL · CL_325047 ·

    AI框架将肝脏病灶分割与结构化放射学报告相结合

    研究人员开发了一个代理式AI框架,将肝脏病灶分割与结构化放射学报告相结合。该系统使用基于TotalSegmentator的nnU-Net模型来识别肝脏、肝段和病灶,并提取体积和位置等定量测量值。然后,一个大型语言模型将这些发现整合成一份报告,确保数值一致性。该框架在测试用例上取得了良好的分割分数,并应用于大量现有报告的数据集,识别出相当一部分存在肝脏异常的报告。

  11. TOOL · CL_308159 ·

    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。

  12. TOOL · CL_294751 ·

    新的SADL方法增强了MRI扫描中的卒中病灶分割

    研究人员开发了SADL,一种新颖的大小自适应决策层,旨在改善T1加权MRI扫描中慢性卒中病灶的分割。该方法通过采用nnU-Net模型集成来解决病灶外观与健康组织重叠以及病灶体积范围广泛的挑战。SADL通过估算病灶体积、应用基于病灶大小的自适应阈值以及纳入针对困难病例(尤其是在小病灶区域)的挽救机制来优化分割。该方法在一个站点不重叠的测试集上取得了强劲的性能,在病灶分割准确性方面优于参考的单一集成成员。

  13. TOOL · CL_289436 ·

    新框架利用双时相影像数据分析急性卒中演变

    研究人员开发了一个新颖的框架,利用双时相影像数据分析急性卒中演变。该方法将入院时的计算机断层扫描灌注(CTP)特征与随访的弥散加权MRI(DWI)相结合,将组织结局分为六个不同的区域。研究发现,挽救的和梗死的边缘区在特征空间上显示出清晰的分离,而核心组织根据后续命运的分离则不太明显。这些发现表明,入院时的CTP提供了超越传统核心-边缘区划分的、与结局相关的有价值的组织信息。

  14. TOOL · CL_289375 ·

    新的DEX方法提高了神经网络推理的能效

    研究人员开发了一种名为DEX(Digit-Level Early Exit,数字级提前退出)的新方法,以提高神经网络推理的能效,特别是用于脑肿瘤分割的U-Net模型。该方法利用Most-Significant-Digit-First(MSDF,最高有效数字优先)算术,通过在完全计算完成之前根据输出数字做出决策来动态减少计算量。DEX包含四种运行时机制,包括精确的提前负数检测和校准跳过,这些机制共同作用,在不显著影响分割精度的情况下,将…

  15. COMMENTARY · CL_288762 ·

    生物医学成像AI进展受数据孤岛阻碍,而非模型限制

    推进生物医学成像AI的主要挑战不在于开发更复杂的模型,而在于数据本身的可用性和可访问性。成像数据通常被孤立在医院系统(如PACS)中,难以提取、去标识化并与其他关键健康信息(如EHR和组学数据)整合。这种数据碎片化阻碍了AI模型在不同供应商和临床环境中的泛化能力,并限制了学术研究的可重复性。为克服这一挑战,需要一个强大的数据基础,能够集中、查询和链接不同的数据源,从而释放AI在医疗保健领域的真正潜力。

  16. TOOL · CL_280550 ·

    新流水线自动化脑成像中的 3D 树突分割

    研究人员开发了一种用于 SBF-SEM 图像中 3D 树突分割的自动化流水线,这是理解大脑可塑性的关键步骤。该系统集成了 YOLOv6 和 Segment Anything Model (SAM) 进行初始分割,然后使用随机森林进行掩码精炼和 3D 实例链接。该流水线通过 nnU-Net 完成高分辨率精炼,实现了高语义准确性和有效的实例分离,尽管在癫痫组织等密集区域仍存在挑战。

  17. TOOL · CL_282188 ·

    主动学习增强了可微神经架构搜索在3D医学图像分割中的应用

    研究人员开发了Active-DiNTS,一种将主动学习与可微神经架构搜索(NAS)相结合的新方法,用于3D医学图像分割。该方法联合优化网络拓扑和标签策展,显著降低了对大量标注预算和多GPU集群的需求。通过使用熵、方差或标准差等不确定性信号对未标记数据进行排序,Active-DiNTS能够有效地选择需要标注的卷,从而在Medical Segmentation Decathlon等基准测试中提高分割精度。

  18. TOOL · CL_257134 ·

    NeuroTS-Net 在儿童脑肿瘤分割方面实现高精度

    研究人员开发了NeuroTS-Net,一种新颖的3D卷积神经网络,用于多模态MRI扫描中儿童脑肿瘤的多类别语义分割。该架构采用了双尺度原始细节流、自适应上下文选择和保留细节的下采样,以在有效建模肿瘤上下文的同时,保持精细的强度和边界信息。在BraTS 2026儿科数据集上训练后,NeuroTS-Net在内部和挑战验证集上均取得了比nnU-Net和MedNeXt等基线方法更高的Dice分数。NeuroTS-Net的代码已开源。

  19. RESEARCH · CL_256950 ·

    用于心脏病分割的AI模型在分布外泛化方面表现不佳

    一篇新的研究论文评估了用于分割先天性心脏病(CHD)解剖结构的深度学习模型的分布外(OOD)泛化能力。研究发现,分布内性能是跨队列鲁棒性的一个糟糕的预测指标,其中nnU-Net在验证集上得分很高,但在一个独立的数据集(ImageCHD)上性能显著下降。SwinUNETR展示了更好的泛化能力,并且其性能在有限的目标域监督下得到了显著提升。

  20. TOOL · CL_252258 ·

    统一的 AI 模型可分割 CT 和 MRI 扫描中的胰腺

    研究人员开发了一个统一的框架,用于分割 CT 和 MRI 扫描中的胰腺图像,解决了在一种模态上训练的模型应用于另一种模态时性能下降的挑战。通过在 4,604 个异构扫描上采用域对抗学习,该系统学习了解剖学表示,从而对齐 CT 和 MRI 之间的特征。然后,利用有限的仅 MRI 注释将共享编码器转移用于子区域分割,在分布内和外部数据集上均取得了优异的结果,并证明了对下游任务的有效标签高效迁移。