研究者提出ExiST自训练方法改进半监督多器官分割
热点事件持续更新
研究者提出ExiST自训练方法改进半监督多器官分割
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Maxx Richard Rahman 等在 arXiv 发表论文,提出存在感知自训练方法 ExiST,用于半监督多器官分割,解决自训练把小器官误推向消失的问题。该方法用独立训练网络的留一法共识构建伪标签,经验证集质量门控筛选,并对未确认器官采用集合值目标与边缘交叉熵训练。 论文称,ExiST 在 Synapse 数据集上以 20% 标注扫描取得 77.1 平均 Dice,在 AMOS 上以 5% 标注取得 75.9,超越现有 SOTA 方法;这些为论文中的自述结果。
AI 根据报道生成 · 17 分钟前更新
最新进展11月20日 13:00
ExiST:面向半监督多器官分割的存在感知自训练方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIExiST:面向半监督多器官分割的存在感知自训练方法
论文提出存在感知自训练方法 ExiST,解决半监督多器官分割中自训练误将小器官推向消失的问题。该方法用独立训练网络的留一法共识构建伪标签,并以验证集质量门控筛选,对未确认器官采用集合值目标与边缘交叉熵训练。ExiST 在 Synapse 上以 20% 标注扫描取得 77.1 平均 Dice,在 AMOS 上以 5% 标注取得 75.9,超越现有 SOTA 方法。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。