ReSeg 提出免重训腹部器官分割框架
热点事件观察中
ReSeg 提出免重训腹部器官分割框架
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Derong Yu 等人提出 ReSeg，一个两阶段、无需重训练的零样本腹部器官分割框架。第一阶段用合成数据预训练可泛化语义表征网络 GSRNet，第二阶段用其权重初始化器官专用编解码分割网络 OESNet 继续训练。 据论文称，在涵盖 CT、MRI、PET 三种模态的七个腹部器官分割数据集上评估，ReSeg 无需真实训练图像即可持续优于现有最先进方法。这一效果来自论文自述，尚待独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 10:31
ReSeg：无需重训练、基于可泛化语义表征学习的腹部器官分割框架报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv 隐私论文ReSeg：无需重训练、基于可泛化语义表征学习的腹部器官分割框架
ReSeg 是一个两阶段、无需重训练的零样本腹部器官分割框架，第一阶段用合成数据预训练 Generalizable Semantic Representation Network（GSRNet），第二阶段以其权重初始化 Organ-specific Encoder-decoder Segmentation Network（OESNet）继续训练。
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。