BriefGPT - AI 论文速递
·
SDF-Net：一种用于对比CT图像中纵隔淋巴结检测的混合检测网络
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
通过解剖先验与挑战训练数据的部分注释结合的方法，模型集成的Dice得分为0.6033，地面真实淋巴结分割比例从27%提高到57%。加入概率淋巴结图谱的损失加权和后处理显著提高了分割准确性。通过过采样完全注释的数据和额外的数据增强，解决了CT图像和淋巴结外观的高异质性。
🎯
关键要点
- 通过解剖先验与部分注释结合的方法，模型集成的Dice得分为0.6033。
- 地面真实淋巴结分割比例从27%提高到57%。
- 加入概率淋巴结图谱的损失加权和后处理显著提高了分割准确性。
- 通过过采样完全注释的数据和额外的数据增强，解决了CT图像和淋巴结外观的高异质性。
➡️
