BriefGPT - AI 论文速递
·
面向 CT 断骨分割的跨尺度注意力和表面监督
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过使用基于 nnU-Net 的伪标签和解剖导向的伪标签细化的顺序过程，生成了一个包含142个体素级标签对533个体积进行了全面解剖覆盖的全身CT扫描数据集。该方法在标签整合阶段不依赖于手动注释。还发布了能够对CT数据上的142种解剖结构进行预测的训练好的统一解剖分割模型。
🎯
关键要点
-
使用基于 nnU-Net 的伪标签和解剖导向的伪标签细化生成全身 CT 扫描数据集。
-
数据集包含 142 个体素级标签，覆盖 533 个体积，获得专家批准。
-
标签整合阶段不依赖于手动注释。
-
通过人类专家评估和 BTCV 数据集的深度学习基准测试验证方法的合理性和实用性。
-
发布了能够对 CT 数据上的 142 种解剖结构进行预测的训练好的统一解剖分割模型。
➡️
