UNETR
PulseAugur coverage of UNETR — every cluster mentioning UNETR across labs, papers, and developer communities, ranked by signal.
-
新的PCCA方法提高了医学图像分割的准确性
研究人员开发了一种名为提示条件通道注意力（PCCA）的新型调制机制，以提高医学图像中解剖分割的准确性。该机制允许在神经网络中深度、分层地集成语义提示，从而能够自适应地重新校准多个网络阶段的特征响应。所提出的PROMISE-Net，有卷积（PROMISE-CNN）和基于Transformer（PROMISE-Txformer）的变体，利用PCCA来增强特征表示。在对病变、息肉、心脏和器械分割的基准测试中，PROMISE-Net与基线模型…
-
新型 OptiModNet 模型以高效率实现了最先进的视盘分割效果
研究人员开发了 OptiModNet，这是一种新颖的混合深度学习架构，旨在实现视盘和视杯的高效准确分割。该模型结合了 U-Net 和 Transformer 的元素，并融入了分组查询和通道注意力机制，以改善局部和全局特征表示。OptiModNet 还利用了聚合金字塔损失来增强梯度流动和结构一致性。在 REFUGE2 数据集上进行评估，该模型取得了最先进的性能，比现有方法提高了 2.5% 以上，同时保持了 3.73 GFLOPs 和 1…
-
新型 AI 模型在低资源 MRI 中实现高效脑肿瘤分割
研究人员开发了 MMRINet，这是一款轻量级 AI 模型，专为 MRI 扫描中的高效脑肿瘤分割而设计，尤其适用于低资源临床环境。该模型利用 Mamba 状态空间模型取代计算密集型自注意力机制，以更少的参数实现有效的长程上下文建模。MMRINet 结合了双路径特征精炼和渐进式特征聚合，即使在数据有限的情况下也能提高分割精度和边界清晰度。在尼日利亚临床站点的数据集上进行测试，MMRINet 取得了具有竞争力的性能，展示了其在服务欠缺地区…