Компьютерная наука > Компютерное видение и распознавание шаблона [представлено 15 сентября 2026 года] Название: De-GAN - Динамический Параметр Tuned GAN для 3D Сегментации медицинских изображений: A Step to Generalization View PDF HTML (экспериментальное) резюме: Рассечение опухоли мозга попрежнему затруднено, поскольку усиливающаяся обезьяна (ET) имеет низкий контраст и накладки вокруг тканей, в то время как сканирование и изменение участков вызывают сдвиг в домене. Мы предлагаем DE-GAN, расширяющий контраст с условиями GAN который сочетает в себе динамические изменения входа и адаптации к ним, смешивание функций стиля и кодирование для синтезирования изображений FLAIR. Цель, установленная на этикетке и обусловленная классом, отделяет опухоль от ядра (TC) и ET силу света при сохранении анатомии. Полученный FLAIR конкретизируется с оригинальными условиями MR и используется для подготовки 3D U-Net. На протяжении 2015, 2018 и 2019 годов DE-GAN улучшает сегментацию по сравнению с базовыми и статическими заменами Enhgan на большинстве сообщенных показателей TC/ET, причем наибольший выигрыш от сохранения как оригинального, так и усовершенствованного FLAIR. Код и заранее подготовленные модели имеются на сайте https URL. Загрузка ссылок и цитат... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Каков умный цитаты?) Код, данные и средства…
Де-ГАН - динамический параметр, набитый GAN для 3D-сегментации медицинских изображений: шаг в направлении обобщения
arXiv: 2609.16755v1 Annualce Type: New Humber: Centribulation: Discriptionation Brain Organs по-прежнему является трудной, поскольку усиление опухоли (ET) имеет низкие контрасты и накладки вокруг тканей, в то время как сканирование и изменение участков вызывают сдвиг в домене. Мы предлагаем DE-GAN, расширяющий контраст с условиями GAN который сочетает в себе динамические изменения входа и адаптации к ним, смешивание функций стиля и кодирование для синтезирования изображений FLAIR. Цель, установленная на этикетке и обусловленная классом, отделяет опухоль от ядра (TC) и ET силу света при сохранении анатомии. Полученный FLAIR конкретизируется с оригинальными условиями MR и используется для подготовки 3D U-Net. На протяжении 2015, 2018 и 2019 годов DE-GAN улучшает сегментацию по сравнению с базовыми и статическими заменами Enhgan на большинстве сообщенных показателей TC/ET, причем наибольший выигрыш от сохранения как оригинального, так и усовершенствованного FLAIR. С кодом и подготовленными моделями можно ознакомиться на сайте https://github.com/zkhansuri-ui/DE-GAN.