BriefGPT - AI 论文速递
·
使用距离度量自动识别器官风险分割中的失败案例：对 CT 数据的研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种通过设定Dice距离和Hausdorff距离的阈值来自动识别失败案例的方法，以减少手动检查预测输出的耗时任务，更快地识别失败案例候选人。该方法在临床专家策划的数据集中的20个不同器官的CT图像上进行了评估，可以区分不同状态的失败案例，并进行了超过12个案例的可视评估。该阈值方法可以扩展到其他器官，提高放射治疗计划的质量。
🎯
关键要点
- 研究提出了一种通过设定Dice距离和Hausdorff距离的阈值来自动识别失败案例的方法。
- 该方法旨在减少手动检查预测输出的耗时任务。
- 方法在临床专家策划的数据集中的20个不同器官的CT图像上进行了评估。
- 可以区分不同状态的失败案例，并进行了超过12个案例的可视评估。
- 该阈值方法可以扩展到其他器官，提高放射治疗计划的质量。
🏷️
标签
➡️
