本文提出了仅需一张标注模板图像的医学图像分割框架SemiSAM-O1,以解决现有基础模型驱动的半监督学习方法在复杂成像模态下性能受限的问题。
本文构建了包含多中心、多序列胰腺MRI数据集的CrossPan基准,系统揭示了跨序列域偏移对分割模型泛化能力的影响。
本文将实例敏感损失函数通过一对一剩余策略扩展至多类别语义分割,揭示了其在解决实例不平衡的同时,会因类别不平衡导致稀有类别获得训练信号不足的问题。
PanGuide3D提出了一种结合概率性胰腺条件化与Transformer瓶颈的3D架构,以提升对比增强CT中胰腺肿瘤分割的跨队列泛化能力。
本文构建了一个包含数据集、基准和工具的肝癌数字病理资源,用于在组织切片上量化不同的组织成分与病理亚型。
该论文提出了EDU-Net网络,通过结合多尺度特征融合与边界优化机制,解决了OCT图像中视网膜病理积液自动分割面临的形态多变与边界模糊问题。