Eine vergleichende Analyse von Deep-Learning-Modellen für die Lungensegmentierung auf Röntgenbildern
Die Studie evaluiert und vergleicht die Leistung von drei führenden Deep-Learning-Methoden (Lung VAE, TransResUNet und CE-Net) für die Lungensegmentierung auf Röntgenbildern unter Verwendung verschiedener Bildmodifikationen. Die Ergebnisse zeigen, dass CE-Net die besten Ergebnisse in Bezug auf den Dice-Ähnlichkeitskoeffizienten und den Intersection-over-Union-Wert erzielt.