MLV$^2$-Net：基于评估者的多数标签投票法用于一致的脑膜淋巴管分割
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了脑膜淋巴管 (MLVs) 手动分割中的高评估者间变异性问题。通过提出一种新的评估者意识训练方案和基于评估者的集成策略，显著提高了 nnU-Net 模型在 MLVs 分割中的准确性和一致性。最终模型 MLV$^2$-Net 在与人类参考标准的比较中，达到了 Dice 相似性系数 0.806，并成功复制了与年龄相关的 MLV 体积关联。
本研究针对脑膜淋巴管手动分割中的评估者间变异性问题，提出了新的训练方案和集成策略，显著提升了nnU-Net模型的分割准确性，最终模型MLV$^2$-Net的Dice系数达到了0.806。
