Core Concepts
提案されたSM2Cアルゴリズムは、医用画像セグメンテーションにおいて、卓越した性能を発揮し、他の既存手法を凌駕しています。
Abstract
医用画像セグメンテーションにおける新しいデータ拡張手法であるSM2Cの効果的な機能性が示されています。
SM2CはScaling-up Mix、Multi-Class Mix、Multi-Class-Jittering Mixの3つの戦略を組み合わせて使用され、医用画像セグメンテーションの精度向上に貢献しています。
実験結果では、ACDCデータセットやSCGMデータセットで他の手法よりも優れたパフォーマンスを示しています。
提案手法はDSC(Dice係数)やHausdorff距離などの評価指標において高い精度を達成しています。
Stats
最も優れたパフォーマンス: Proposed method achieves superior performance in ACDC and SCGM datasets.
比較対象となる手法: S4CVnet, CT-CT, MPL, CPS, ICT, MTなどと比較して提案手法が優れた結果を示す。
Quotes
"Empirical evidence has shown that training networks using multiple images in each iteration significantly contributes to improved network generalisation."
"Our approach involves concatenating four different images to construct a novel input image characterized by increased size and more complex context."