腹部器官和肿瘤分割的迭代半监督学习

原文中文,约500字,阅读约需2分钟。发表于:

在这项研究中,我们提出了使用半监督学习和迭代伪标签策略来解决 FLARE23 挑战,在通过完整器官注释数据集训练的深度模型 (nn-UNet) 生成伪标签后,在 FLARE23 数据集上,我们的方法在器官分割和肿瘤分割上取得了优秀的结果。

FLARE 2022 Challenge是一个腹部器官分析挑战,旨在评估AI算法的快速、低资源、准确、注释高效和泛化能力强。该挑战从50多个医疗团体构建了一个跨洲际和跨国家的数据集,包括来自不同种族、疾病、阶段和制造商的计算机断层扫描。独立验证了一组AI算法通过使用50个标记扫描和2000个未标记扫描实现了90.0%的中位数Dice相似系数(DSC),并成功泛化到保留的外部验证集。该算法还实现了关键器官生物学特征的自动提取,这在传统的手动测量中需要耗费大量人力。

相关推荐 去reddit讨论
  1. 模块化:Mojo🔥 如何实现比 Python 快 35,000 倍的加速 – 第二部分
    在本博客文章中,我们将继续优化Mandelbrot集合问题,并将速度提高到Python的26,000倍。我们将分享使用的技术,并讨论Mojo的优势。第三部...
  2. 模块化:Mojo🔥 - 它终于来了!
    自从5月2日推出Mojo编程语言以来,已有超过120,000名开发者注册使用Mojo Playground,19,000名开发者在Discord和GitH...
  3. 模块化:Mojo🔥如何实现比Python快35,000倍的速度提升——第一部分
    本文介绍了Mojo编程语言在Mandelbrot集合问题上的性能优化,通过类型注释、严格模式和简化计算等方法,实现了46倍至89倍的速度提升。与NumPy...
  4. 模块化:Python程序员轻松入门Mojo🔥
    本文介绍了Mojo编程语言,从Python程序员的角度出发,通过一个简单的例子展示了Mojo的语法和性能优势。文章指出Mojo与Python语法相似,但在...
  5. 模块化:在Python🐍中使用Mojo🔥
    本文介绍了在Mojo中使用Python模块和包的方法,包括查找和加载模块和包、使用venv创建虚拟环境和使用Conda安装libpython。文章提供了示...
  6. Modular:我们筹集了1亿美元以改善全球开发者的AI基础设施
    Modular宣布获得1亿美元新融资,加速实现全球开发者AI基础设施愿景。他们的下一代AI开发者平台改善了AI的可编程性、可用性、可扩展性、计算效率和硬件...
  7. Modular:发布 MAX 开发者版预览
    Modular推出了Modular Accelerated Xecution (MAX)平台,旨在简化在不同硬件平台上部署AI模型。MAX包括先进的AI编...
  8. ACME的使用经验
    ACME是一个自动管理证书的程序,有多种实现,本文介绍了acme.sh的使用。安装、申请、安装证书、续签证书等步骤都有详细说明。在Windows环境下使用...
  9. 新 Mac 支持雷雳 5 了,但你真的需要它吗?
    USB-C是一种接口形状,可以与不同协议、速率和充电功率混搭。USB-C解决了线缆插入问题,但工作正常与否取决于支持的协议。USB-C线缆的兼容性还取决于...
  10. Meta 宣布推出 AI 驱动的视频生成器 Movie Gen
    Meta推出Movie Gen AI视频生成器,可通过文本生成高清视频并添加音效,还能编辑现有视频和图像。由于成本高和生成时间长,暂不公开发布。工具引发版...