Zaloguj się
spostrzeżenie - 医用画像セグメンテーション
半教師あり医用画像セグメンテーションのための学生間の差異に基づく修正学習
本研究は、教師-学生フレームワークに基づく半教師あり医用画像セグメンテーションの手法を提案する。提案手法は、2つの構造の異なる学生と1つの非学習教師を用いて、学生間の差異を活用して自己修正学習を行う。これにより、確認バイアスや認知バイアスを軽減し、セグメンテーション精度を向上させることができる。
半教師あり学習に基づくMCICSAM: 前立腺領域の半教師あり学習セグメンテーションのためのモンテカルロ誘導補間一貫性Segment Anything Model
本研究は、前立腺MRIの2Dセグメンテーションのために、不確実性を考慮した半教師あり学習手法であるMCICを提案した。MCICはSAMの強力な特徴抽出能力を活用し、少ない教師データでも高精度なセグメンテーションを実現する。
前訓練された大規模モデルのドメイン適応プロトタイプを用いた汎用的な医用画像セグメンテーション
大規模事前学習モデルのドメイン適応プロンプト生成を通じて、単一ドメイン一般化における医用画像セグメンテーションの性能を向上させる。
Produkty
© 2024 by Linnk AI