实体
ResUNet
ResUNet
PulseAugur coverage of ResUNet — every cluster mentioning ResUNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
深度学习框架实现了不同物理域之间的跨物理映射
研究人员推出了一种新颖的算子学习框架——跨物理映射（CPM），该框架使深度学习模型能够在由不同方程控制的物理域之间进行转换。该研究通过兼容的潜在表示和无量纲缩放原理提出了此类映射的条件。扩散场和波场的实验表明，虽然波场到扩散场的映射更稳定，但扩散场到波场的映射更具挑战性，其中U-NO架构在后一种情况下表现最佳。
-
新AI方法提高脑肿瘤分割的准确性和泛化能力
研究人员开发了用于脑肿瘤MRI扫描分割的先进方法，旨在提高在不同数据集和患者群体中的泛化能力。一种方法利用nnU-Net框架，结合自训练和肿瘤感知形变，以提高BraTS 2026挑战赛的分割准确性，取得了较高的Dice和NSD分数。另一项研究系统评估了不同MRI序列的影响，发现T2f/FLAIR序列提供了最佳的跨数据集性能，而多序列训练和有限的目标域适应进一步提升了结果。
-
新框架评估AI在医学扫描中检测淋巴瘤的能力
研究人员开发了一个新框架，用于评估用于从PET/CT图像中分割淋巴瘤的深度神经网络。该框架通过纳入分布外测试并将模型性能与人类专家进行比较，解决了当前研究的局限性。该研究在一个大型数据集上评估了四种网络——ResUNet、SegResNet、DynUNet和SwinUNETR——发现网络在较大、更强的病灶上表现最佳，这与人类观察者相似。目标是提高自动分割的临床相关性，以改善淋巴瘤患者的治疗决策。