非対のマルチモーダル肝腫瘍セグメンテーションのためのA-QCF-Net

Paper#Medical Imaging, Deep Learning, Segmentation🔬 Research|分析: 2026年1月4日 00:09•
公開: 2025年12月25日 18:42
•
1分で読める
•ArXiv

分析

この論文は、対になったマルチモーダル医療画像データセットの制限という課題に取り組み、四元数ニューラルネットワークと適応型クロスフュージョンブロックを使用した新しいアーキテクチャであるA-QCF-Netを提案しています。これにより、非対のCTおよびMRIデータからの肝腫瘍の効率的なセグメンテーションが可能になり、医療画像における対データが不足していることを考えると、これは大きな進歩です。結果はベースライン手法よりも改善されたパフォーマンスを示しており、大規模な非対画像アーカイブを解き放つ可能性を強調しています。
引用・出典
原文を見る
"The jointly trained model achieves Tumor Dice scores of 76.7% on CT and 78.3% on MRI, significantly exceeding the strong unimodal nnU-Net baseline."
A
ArXiv2025年12月25日 18:42
* 著作権法第32条に基づく適法な引用です。
古い記事

Direct Deep Neural-network Extraction of Generalized Parton Distributions

新しい記事

Radiative $H^+_{1,2}W^- Z$ vertices in flavour conserving three Higgs-doublet scenarios

関連分析

Paper

選択ポリシーを用いた協調型人型ロボット操作

2026年1月3日 06:10

Paper

未ポーズ画像からの即時3Dシーン編集

2026年1月3日 06:10

Paper

将来予測のためのLLMフォアキャスティング

2026年1月3日 06:10

原文: ArXiv