Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Thích ứng thời gian thử nghiệm nhận biết mẫu để dịch hình ảnh y tế sang hình ảnh

Created by
  • Haebom

Tác giả

Irene Iele, Francesco Di Feola, Valerio Guarrasi, Paolo Soda

Phác thảo

Bài báo này đề xuất một khuôn khổ Kiểm tra thời gian thích ứng (TTA) mới để giải quyết sự suy giảm hiệu suất liên quan đến các mẫu không phân phối trong quá trình chuyển đổi hình ảnh sang hình ảnh của các hình ảnh y tế. Khuôn khổ này định lượng mức độ dịch chuyển miền thông qua Mô-đun tái tạo và giới thiệu Khối thích ứng động điều chỉnh động các tính năng bên trong của mô hình chuyển đổi được đào tạo trước để thích ứng với các mẫu không phân phối. Thích ứng không được áp dụng cho các mẫu phân phối, ngăn ngừa sự suy giảm hiệu suất. TTA chứng minh sự cải thiện hiệu suất so với các phương pháp hiện có và các mô hình cơ sở không có TTA trong hai tác vụ chuyển đổi hình ảnh y tế: khử nhiễu CT liều thấp và chuyển đổi MRI T1 sang T2. Chúng tôi nêu bật những hạn chế của các phương pháp tiên tiến hiện có, áp dụng thích ứng như nhau cho cả mẫu trong và ngoài phân phối, và chứng minh rằng thích ứng động cụ thể theo mẫu là một phương pháp đầy hứa hẹn để tăng cường độ mạnh mẽ của mô hình trong môi trường thực tế.

Takeaways, Limitations

Takeaways:
Chúng tôi trình bày một khuôn khổ TTA mới có hiệu quả giải quyết vấn đề suy giảm hiệu suất đối với các mẫu không phân phối trong quá trình chuyển đổi hình ảnh sang hình ảnh y tế.
Khắc phục những hạn chế của các phương pháp TTA hiện có bằng cách cho phép điều chỉnh động theo mẫu cụ thể thông qua các mô-đun tái tạo và các khối điều chỉnh động.
Cải thiện hiệu suất đã được xác minh bằng thực nghiệm so với các phương pháp hiện có trong việc loại bỏ nhiễu CT liều thấp và chuyển đổi MRI T1-T2.
Đề Xuất khả năng góp phần cải thiện độ tin cậy của các mô hình trong phân tích hình ảnh y tế thực tế.
Limitations:
Cần nghiên cứu thêm để đánh giá hiệu suất tổng quát hóa của phương pháp đề xuất. Khả năng mở rộng cho nhiều loại hình ảnh y tế và tác vụ chuyển đổi cũng là một yếu tố cần thiết.
Cần có thêm các nghiên cứu tối ưu hóa về thiết kế mô-đun cấu hình lại và khối thích ứng động.
Không có đánh giá hiệu suất nào trong các nhiệm vụ chuyển đổi hình ảnh y tế khác ngoài hai nhiệm vụ hiện đang được trình bày.
👍