自训练结合减影伪标签提升冠脉分割跨中心表现
热点事件持续更新
自训练结合减影伪标签提升冠脉分割跨中心表现
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Danial Moafi 等在 arXiv 论文中提出：用造影前帧减影生成伪标签并对模型做自训练，可在不增加人工标注的情况下改善冠脉 X-ray 血管分割的跨中心表现。伪标签来自在 ARCADE 数据集上训练的 nnU-Net 预测与减影对比图。 在 XCAD 外部数据上，该方法使宏观平均 Dice 提升 2.7 分（95% CI 2.3–3.2），对照组则下降 0.6 分；但在另一外部数据集 XACV 上因大血管被漏检而无提升，且第二轮自训练未带来进一步改善。
AI 根据报道生成 · 42 分钟前更新
最新进展10月31日 12:00
基于造影前帧减影的自训练方法改进 X-ray angiography 冠脉血管分割的跨中心表现报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI基于造影前帧减影的自训练方法改进 X-ray angiography 冠脉血管分割的跨中心表现
一项 arXiv 研究用自训练伪标签提升冠脉血管分割模型在外部中心数据上的表现，无需额外人工标注。伪标签来自在 ARCADE 上训练的 nnU-Net 预测与造影前帧减影对比图，并在 XCAD、XACV 两个外部数据集上验证。
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。