nnUNet
PulseAugur coverage of nnUNet — every cluster mentioning nnUNet across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的扩散模型应对医学影像中的公平性、歧义性和多任务处理 · 跟踪4个来源
四篇新研究论文介绍了用于医学影像任务的新型扩散模型架构。CompDiff 通过将条件分解为单属性、成对和组合表示，专注于跨人口统计群体生成公平的医学影像。体积定向扩散 (VDD) 通过使用粗略的共识预测作为锚点并学习用于边界变化的定向扩散过程来解决 3D 医学影像分割中的歧义问题。UniT-Diff 提出了一个统一的扩散分割框架，该框架使用特定于任务的输出空间和自适应条件，将半监督学习、无监督域适应和域泛化整合到一个模型中。最后，LA…
-
新的 ArteryX 工具箱标准化颅内动脉特征提取
研究人员开发了 ArteryX，一个旨在标准化从 3D TOF-MRA 扫描中提取颅内动脉特征的新工具箱。该系统旨在通过解决现有流程的局限性，如不一致的动脉标记和高手动校正负担，来改进脑血管研究。ArteryX 集成了分割处理、血管融合图构建和基于地标的分类，以提取形态、拓扑和复杂性特征，为标准化的动脉节段分析提供了一个可重现的工作流程。比较研究表明，ArteryX 在偏差、一致性和人工干预时间方面，具有最小的偏差和稳健的量化性能，优…
-
新的nnUNet模型通过拓扑约束改进3D牙齿分割
研究人员开发了一种使用量化神经网络分割牙科扫描中3D牙齿结构的新方法。该方法在训练过程中整合了新颖的拓扑损失函数，以确保解剖学上的准确性，保留牙齿数量和邻接关系等关键特征。该系统通过8位量化实现了计算效率，同时保持了临床相关的分割效果，使其适用于资源受限的临床环境。
-
视觉语言模型与解剖结构对齐以进行肺癌分割
研究人员探讨了提示对齐如何影响非小细胞肺癌（NSCLC）肿瘤识别的零样本分割视觉语言模型（VLMs）。他们对VoxTell模型的研究表明，解剖位置是指导模型注意力的主要因素，其重要性远超诊断或人口统计学信息。虽然VoxTell的零样本性能与一些微调模型相当，但研究结果表明，评估VLMs时应考虑它们所对齐的提示维度，而不仅仅是分割准确性。
-
新的增强技术可提升 CT 和 MRI 跨域医学图像分割性能
研究人员开发了一种新颖的数据增强技术，以提高深度学习模型在医学影像 3D 脊柱分割任务中的跨模态泛化能力。该方法在未见过的 CT 和 MRI 数据集上显著提升了性能，平均 Dice 系数提升了 155%，同时保持了域内准确性。该方法还通过 GPU 优化的增强技术将训练效率提高了约 10%，并已作为开源工具箱发布，兼容 nnUNet 和 MONAI。