エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
少量データでも高性能に?Multilabel approachでPET/CTの病変誤認を改善!
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
少量データでも高性能に?Multilabel approachでPET/CTの病変誤認を改善!
3つの要点 ✔️ マルチラベルモデルの有効性を実証 ✔️ PET/CT の病変誤認を改善 ✔️ 追加のデータだけでなく複... 3つの要点 ✔️ マルチラベルモデルの有効性を実証 ✔️ PET/CT の病変誤認を改善 ✔️ 追加のデータだけでなく複数のラベルを組み込むことの重要性を実証 Improving Lesion Segmentation in FDG-18 Whole-Body PET/CT scans using Multilabel approach: AutoPET II challenge written by Gowtham Krishnan Murugesan, Diana McCrumb, Eric Brunner, Jithendra Kumar, Rahul Soni, Vasily Grigorash, Stephen Moore, Jeff Van Oss (Submitted on 2 Nov 2023) Comments: AutoPET II challenge paper Su