★ 3
新方法用视觉先验重构特征提升医学病灶分割
研究提出FreNet框架，利用视觉先验进行像素级和特征级重构，以应对医学图像病灶分割中的背景干扰和形态多样问题。在9个基准数据集上，FreNet显著优于现有方法，在ETIS数据集上Dice系数较最优方法提升5.0%，较SAM提升7.2%。该框架通过隐式先验神经网络和双域特征重构模块实现。
arXiv cs.AI59 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出FreNet框架，利用视觉先验进行像素级和特征级重构，以应对医学图像病灶分割中的背景干扰和形态多样问题。在9个基准数据集上，FreNet显著优于现有方法，在ETIS数据集上Dice系数较最优方法提升5.0%，较SAM提升7.2%。该框架通过隐式先验神经网络和双域特征重构模块实现。