BriefGPT - AI 论文速递
·
利用 3D U-Net 分割预测头颈部鳞状细胞癌放疗后复发体积
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本论文介绍了一种使用卷积神经网络的弱监督切片传播分割方法，以RECIST标记作为弱监督数据。该方法在淋巴结数据集上表现出与完全监督方法相当的性能，全面的病变数据集上测试的Dice分数均值为92%（在RECIST标记图层上）和76%（在整个3D体积上）。
🎯
关键要点
-
本论文介绍了一种使用卷积神经网络的弱监督切片传播分割方法。
-
该方法以RECIST标记作为弱监督数据。
-
在淋巴结数据集上，该方法表现出与完全监督方法相当的性能。
-
在全面的病变数据集上，RECIST标记图层的Dice分数均值为92%。
-
在整个3D体积上的Dice分数均值为76%。
➡️
