本研究探讨了白质高信号（WMH）分割中的不确定性，提出结合随机分割网络与深度集成的方法，以提高分割准确性和Fazekas评分的分类性能，增强模型的准确性和可信度。

Uncertainty Quantification for White Matter Hyperintensity Segmentation: Detecting Silent Failures and Improving Automated Fazekas Quantification
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