分割
人工智能
计算机科学
注释
图像分割
工作流程
深度学习
机器学习
模式识别(心理学)
基本事实
掷骰子
医学影像学
概率逻辑
监督学习
学习迁移
样品(材料)
计算机视觉
试验数据
贝叶斯定理
先验概率
图像自动标注
主动外观模型
期望最大化算法
贝叶斯概率
Sørensen–骰子系数
作者
Astha Jaiswal,Miriam Rinneburger,Franziska I. Meyer,Sita Arjune,Laura Oberlinkels,Philomena A. Wawer Matos,Lars Lotter-Becker,Ünal Akünal,Markus Bujotzek,Stefan Denner,Klaus Hermann Maier-Hein,Leonard Stepansky,Matthias Stefan May,Markus Habert,Alexander Köhn,Mirjam Schöneck,Robert Peter Reimer,Roman‐Ulrich Müller,Simon Lennartz,Nils Große Hokamp
出处
期刊:Radiology
[Radiological Society of North America]
日期:2026-06-24
卷期号:8 (4): e250200-e250200
被引量:2
摘要
A deep learning–based expert-guided annotation loop reduced annotation time and estimated cost while generating high-quality reference standard CT and MRI segmentations and was feasible to implement in a clinical environment without coding.
科研通智能强力驱动
Strongly Powered by AbleSci AI