TexLiverNet：利用医学知识和空间频率感知增强肝肿瘤分割
原文中文，约300字，阅读约需1分钟。发表于：。该研究解决了肝肿瘤分割中的文本数据与影像结合的挑战，尤其是缺乏特定病灶的细节。论文提出了一种新模型TexLiverNet，采用基于代理的跨注意力模块，能够高效整合文本和视觉特征，同时通过增强的空间和自适应频率域感知，以精确描绘病灶边界并恢复小病灶的细节。研究结果表明，TexLiverNet在多个数据集上的表现优于现有先进方法，具有显著的临床应用潜力。
该研究提出了TexLiverNet模型，有效解决了肝肿瘤分割中文本与影像结合的挑战，能够精准描绘病灶边界，优于现有方法，具备临床应用潜力。
