实体
SegResNet
SegResNet
PulseAugur coverage of SegResNet — every cluster mentioning SegResNet 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
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
MC Dropout在脑肿瘤分割中的可靠性受到质疑
研究人员调查了蒙特卡洛Dropout（MC Dropout）在MRI扫描中分割脑肿瘤的可靠性，发现虽然它可以将不确定性与错误对齐，但可能并不总是保证临床安全。在一项针对126名BraTS21患者的研究中，MC Dropout表现出强大的不确定性-错误对齐能力，正确地将错误体素排名更高，并识别出分割性能显著较低的亚组。然而，该研究还揭示，全局对齐指标可能会掩盖关键区域特定的校准失败，例如其中一个模型尽管整体AUROC得分很高，但在临床上…
-
新的CoMNeT框架提高了脑肿瘤分割的准确性
研究人员开发了CoMNeT，一个结合了MedNeXt和CorrDiff的新框架，用于增强从MRI扫描中进行体积脑肿瘤分割。该方法利用四种MRI模态，并将一个校正扩散模型作为后处理步骤，以提高分割精度。与基线模型相比，CoMNeT在UTSW-Glioma数据集上表现出卓越的性能，在不同肿瘤区域均取得了高Dice分数。
-
新的 AI 模型提供改进的脑肿瘤分割和效率提升
研究人员开发了 DALight-3D，一种计算效率更高的 3D U-Net 变体，用于从多模态 MRI 扫描中分割脑肿瘤。该模型在参数方面优于 Residual 3D U-Net 等基线模型，实现了有利的准确性-效率权衡，同时保持了有竞争力的性能。另外，另一项研究利用 SegResNet 架构和各种精度训练，在脑肿瘤分割中取得了 0.84 的 dice 分数。