ReSeg：免重训的零样本腹部器官分割框架
热点事件持续更新
ReSeg：免重训的零样本腹部器官分割框架
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Derong Yu、Guoyan Zheng 提出 ReSeg，一个两阶段、免重训练的腹部器官分割框架，目标是在不依赖真实训练图像的情况下实现域无关的零样本分割。 第一阶段用专用数据引擎生成的合成图像预训练 GSRNet，学习通用语义表征；第二阶段用其权重初始化 OESNet 编码器，并生成保留器官空间布局的多样化图像继续训练。 据该研究称，在 CT、MRI、PET 三种模态共七个数据集上，ReSeg 一致优于现有 SOTA 方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
ReSeg：无需重训练，通过可泛化语义表征学习实现腹部器官分割报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIReSeg：无需重训练，通过可泛化语义表征学习实现腹部器官分割
ReSeg 是一个两阶段、免重训练的框架，可在不依赖真实训练图像的情况下实现域无关的零样本腹部器官分割。第一阶段用专用数据引擎生成的合成图像预训练 GSRNet 学习通用语义表征，第二阶段以其权重初始化 OESNet 编码器并生成保留器官空间布局的多样化图像继续训练。在 CT、MRI、PET 三种模态共七个数据集上，ReSeg 一致优于现有 SOTA 方法。
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。