BriefGPT - AI 论文速递
·
AutoPET Challenge III: Testing the Robustness of Generalized Dice Focal Loss Trained 3D Residual UNet for FDG and PSMA Lesion Segmentation from Whole-Body PET/CT Images
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
该研究探讨了使用3D Residual UNet模型和广义Dice焦点损失函数在PET/CT扫描中自动分割癌性病灶的有效性。经过5折交叉验证，平均Dice相似系数为0.6687，显示了该模型在图像分析中的潜力。
🎯
关键要点
- 该研究探讨了在PET/CT扫描中自动分割癌性病灶的有效性。
- 研究使用了3D Residual UNet模型和广义Dice焦点损失函数。
- 经过5折交叉验证，模型的平均Dice相似系数为0.6687。
- 该模型显示了在图像分析中的潜力，尤其是在处理病灶大小、形状和放射性示踪剂摄取变化方面。
🏷️
标签
➡️
