TMI2024 | 阿大、同济等提出TraCoCo,用于3D医学图像半监督分割
编辑 | ScienceAI3D 医学图像分割方法已经取得了成功,但它们对大量体素级标注数据的依赖是一个需要解决的缺点,因为获取这些标注的成本很高。 半监督学习(SSL)通过使用大量未标注数据和少量标注数据进行模型训练,解决了这一问题。 最成功的 SSL 方法基于一致性学习,即通过最小化从扰动视图中获得的模型响应之间的距离来实现的。- 6
- 0
开源3D医学大模型SAT,支持497类器官,性能超越72个nnU-Nets,上交大团队发布
作者 | 上海交通大学、上海人工智能实验室编辑 | ScienceAI近日,上海交通大学与上海人工智能实验室联合团队发布3D医学图像分割大模型SAT(Segment Anything in radiology scans, driven by Text prompts),在3D医学图像(CT、MR、PET)上,基于文本提示实现对人体497种器官/病灶的通用分割。所有数据和代码、模型均已开源。论文链…- 12
- 0
图像分割
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!