跳到正文
arXiv · 机器人与计算机视觉· Tayebeh Bahador, Max D\"unnwald, Matthew J. Betts, Emrah D\"uzel, Steffen Oeltze-Jafra·· 2 天前AI 评分12

从蓝斑学习黑质致密体分割的迁移学习收益调查

Investigating the Benefit of Transfer Learning from the Locus Coeruleus for Substantia Nigra Pars Compacta Segmentation

AI 导读

针对帕金森病早期检测中黑质致密体(SNpc)分割标注数据稀缺的问题,研究评估了利用外观相似的蓝斑(LC)模型进行迁移学习的策略。实验基于 3D U-Net 架构,在仅使用 5-14 例标注受试者时,迁移学习与从头训练达到相同的 Dice 系数上限 0.77,且无显著差异。结果表明从 LC 初始化对 SNpc 分割未提供显著收益,相关论文已提交至 IEEE ISBI 2027。

来源:arXiv · 机器人与计算机视觉 · arxiv.org