扩散模型生成合成数据提升超声心动图任务性能
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
最新进展11月18日 13:00
扩散模型合成数据提升超声心动图下游任务性能报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- 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
- –
02.557.510
18:0020:0022:0011月19日
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。