关键词cross-modality segmentation
搜索结果 - 3
- 基于细粒度无监督跨模态域自适应的前庭神经瘤分割
引入细粒度无监督框架以实现跨模态的前庭神经硬膜瘤和耳蜗分割,通过使用向量控制生成器并应用多样增强技术来提高分割模型的性能和鲁棒性。在 CrossMoDA 验证阶段排行榜上,我们的方法分别在前庭神经硬膜瘤和耳蜗上得到了 0.765 和 0.8 - 元幻影生成器:迈向小样本跨模态心脏图像分割
本文提出了一种基于元学习和数据幻觉的元幻觉框架,旨在解决医学图像分析中标签稀缺和领域转移问题,尤其是在少样本场景下,通过数据幻觉和交叉域知识传递来增强性能。对跨模态心脏分割的广泛实验表明,该方法在少样本无监督领域自适应情况下比其他方法表现更 - CVPR通过样式增强和双重归一化实现通用交叉模态医学图像分割
本文提出了一种基于双标准化模型的,借助源域中类似和不类似的图像数据在目标域中进行通用分割的方法,旨在解决跨模态分割中不同领域之间的特征差异问题,并在 BraTS、Cross-Modality Cardiac 和 Abdominal Mult