实体
TransUNet
TransUNet
PulseAugur coverage of TransUNet — every cluster mentioning TransUNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
时间线
- 2026-07-15 research_milestone A new TransUNet model was developed for uncertainty-aware multi-source retinal fluid segmentation in OCT scans. 来源
最近 · 第 1/1 页 · 共 3 条
-
新AI模型通过不确定性估计改进视网膜积液分割
研究人员开发了一种用于分割光学相干断层扫描（OCT）图像中视网膜积液的注意力引导式TransUNet模型。该模型通过引入域自适应归一化方案和不确定性估计，解决了不同OCT扫描仪之间分割模型性能下降的挑战。不确定性估计能有效突出专家判读意见不一致的区域，提供有价值的临床分诊信号。
-
新的 EPRA U-Net 改进了 MRI 扫描中的梗死分割
研究人员开发了 EPRA U-Net，这是一种新颖的深度学习架构，旨在精确分割扩散加权 MRI 扫描中的梗死。该模型集成了 EfficientNet 编码器、残差循环块和注意力机制，以改进空间依赖性建模和病灶突出显示。在 167 名患者的数据集上进行测试，EPRA U-Net 与 UNet++ 和 DeepLabV3+ 等现有模型相比，表现更优，实现了更高的 Dice 分数，并显著减少了漏诊的病灶。
-
UltraSeg AI enables GPU-free ultrasound segmentation for resource-limited settings
研究人员已将UltraSeg（一款轻量级AI模型）改编用于实时超声图像分割，使其无需GPU即可在资源受限的环境中使用。UltraSeg-130K和UltraSeg-500K变体在CPU和移动设备上展示了高帧率，在性能上可媲美甚至超越U-Net和TransUNet等大型模型。此项开发旨在缩小AI诊断与超声可及性之间的成本差距，使先进的医学成像在服务不足的地区可用。