UNet+SLIC混合方法提升眼底脉络膜痣病灶分割

Mohammadmahdi Eshragh 等研究者发布论文（arXiv:2509.25549），提出一种脉络膜痣眼底图像病灶分割的混合管线：在 128×128 图像上训练的 UNet 提供粗定位先验，再用免训练的 SLIC 超像素方法在全分辨率下恢复病灶边界，并按图像-病灶比例自动选择超像素数量。据论文称，该方法平均 Dice 达 90.9%（IoU 87.9%），高于同等分辨率下训练的 nnU-Net（83.2%）、Swin UNet（73.0%）和 Attention UNet（60.6%）。 论文称该方法推理无需 GPU，在笔记本上处理 1024×1024 图像约需 1.6 秒，3900×3900 图像约需 15 秒。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。