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。

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
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证