跳到正文
热点事件持续更新

扩散模型生成合成数据提升超声心动图任务性能

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Milad Yazdani 等发表研究,利用扩散模型结合抽象令牌与分割掩码的条件生成技术,解决标注超声数据集成本高昂的问题。在 CAMUS 和 CardiacUDC 数据集上,该方法将图像 FID 降至 1.5,使 ResNet-18 分类准确率从 83.8% 提升至 87.2%,并将 U-Net 分割 Dice 系数最高提至 87.6%。

AI 根据报道生成 · 9 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    扩散模型合成数据提升超声心动图下游任务性能

    研究利用扩散模型生成合成训练数据,以解决标注超声数据集成本高昂的问题。在 CAMUS 和 CardiacUDC 数据集上,结合抽象令牌与分割掩码的条件生成将 FID 降至 1.5,使 ResNet-18 分类准确率从 83.8% 提升至 87.2%,并将 U-Net 分割 Dice 系数最高提至 87.6%。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。