BriefGPT - AI 论文速递
·
基于涂鸦的三分支多扩张网络的像素级和类别级一致性的多个腹部器官三维分割
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种混合有导师的框架，用于腹部器官和肿瘤的分割。该方法采用两阶段分割流程和基于整体体积的输入策略，能够提高分割准确性并满足推断时间和GPU内存使用的要求。实验结果表明，该方法在分割性能、速度和资源利用方面表现优异。
🎯
关键要点
- 提出了一种混合有导师的框架（StMt），用于腹部器官和肿瘤的分割。
- 该方法使用部分标记和未标记的数据，采用两阶段分割流程。
- 基于整体体积的输入策略旨在提高分割准确性，同时满足推断时间和GPU内存使用的要求。
- 在FLARE2023的验证集上，实验结果显示该方法在分割性能、速度和资源利用方面表现优异。
- 平均DSC分数为89.79%和45.55%，平均运行时间为11.25秒，GPU内存-时间曲线下的面积为9627.82MB。
➡️
