基于混合模态专家的脑损伤分割基础模型
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一个用于三维脑病变分割的通用基础模型,它可以自动分割不同类型和不同成像模态数据的脑病变。我们设计了一种新颖的多模态专家混合框架,利用多个专家网络处理不同的成像模态,并使用分层门控网络将专家预测结果相结合。此外,在训练过程中引入课程学习策略,以避免每个专家网络的退化并保留其专业化。在九个脑病变数据集上评估我们的方法,涵盖了五种成像模态和八种病变类型,结果表明我们的模型优于最先进的通用...
我们提出了一个通用基础模型,用于自动分割不同类型和不同成像模态数据的脑病变。通过多模态专家混合框架和分层门控网络,将专家预测结果相结合。引入课程学习策略,避免专家网络的退化。在九个数据集上评估,结果表明模型优于最先进的通用模型并具有良好的泛化性能。