Vaanathi Sundaresan PhD
PulseAugur coverage of Vaanathi Sundaresan PhD — every cluster mentioning Vaanathi Sundaresan PhD across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的MOSAIC框架支持图像级标签的联邦肿瘤分割
研究人员开发了MOSAIC，一个新颖的联邦学习框架，专门用于使用图像级标签进行弱监督肿瘤分割。该框架解决了不同机构之间医学成像模态缺失或不完整的问题，这是临床环境中阻碍数据融合和模型性能的常见问题。MOSAIC引入了一个模态无关对齐模块和一个谱原型对齐损失来协调跨客户端的分布偏移，在现有基线上取得了显著改进，并在FeTS2022等基准测试上接近全监督精度。
-
新的AsymFeX框架改进了缺血性卒中分割
研究人员开发了AsymFeX，一个旨在改进跨各种成像模态和卒中阶段的缺血性卒中病灶分割的新型框架。这种两阶段方法首先校正头部倾斜以进行解剖对齐，然后采用不对称特征提取模块，该模块比较大脑半球之间的体素数据。AsymFeX模块利用跨半球注意力和特征差异估计来准确识别大范围和小范围的梗死，在临床数据集上表现出强大的性能，并能跨不同成像类型进行泛化。
-
FedProIn框架增强了医学影像的联邦学习
研究人员开发了FedProIn，一个旨在通过解决客户端漂移来改进医学影像联邦学习的新框架。该方法利用可学习的类别原型来捕获异构客户端之间共享的语义结构，从而缓解由扫描仪、采集协议和患者群体差异引起的问题。FedProIn引入了特征散度损失和原型对比损失来对抗客户端漂移，并采用归一化影响聚合策略来根据客户端原型对全局表示的贡献来对其进行自适应加权。在HAM10000和Matek-19数据集上的实验表明，FedProIn在IID和非IID…