P

Pulaski ProbUNet3D Base VSeg

soumickmjによって開発
PULASkiは計算効率の高い生体医用画像セグメンテーション生成ツールで、専門家のアノテーションの変動性を正確に捉え、特に小データセットやクラス不均衡問題に適しています。
ダウンロード数 14
リリース時間 : 9/3/2024

モデル概要

このモデルは条件付き変分オートエンコーダ構造(確率的UNet)に基づく3次元医用画像セグメンテーションモデルで、7T時間飛躍法磁気共鳴血管画像ボリュームデータの血管セグメンテーションに特化しています。

モデル特徴

アノテーション変動性の処理
複数の専門家によるアノテーションの高い変動性を正確に捉え、セグメンテーション結果の臨床適用性を向上させます。
小データセット効率
アノテーションデータが少ない小データセットでも良好なセグメンテーション性能を実現します。
クラス不均衡最適化
改良された損失関数(焦点Tversky損失)を採用し、クラス不均衡データの学習能力を大幅に向上させます。
不確実性定量化
確率的セグメンテーション結果を提供し、誤解を招く過剰な自信のある予測を回避します。

モデル能力

3次元医用画像セグメンテーション
血管構造識別
確率的予測出力
7T時間飛躍法磁気共鳴データ処理

使用事例

医用画像分析
脳血管セグメンテーション
7T時間飛躍法磁気共鳴血管画像における脳血管構造のセグメンテーションに使用
血管構造を正確に識別し、予測の不確実性を定量化できます
臨床意思決定支援
医師に血管構造の確率的セグメンテーション結果を提供し、診断と治療計画を支援
単一のアノテーションによるバイアスを減らし、臨床意思決定の信頼性を高めます
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase