发帖
雷达卡
1. Mamba Goes HoME: Hierarchical Soft Mixture-of-Experts for 3D Medical Image Segmentation.
该方法提出了一种基于分层软混合专家系统的3D医学图像分割模型，通过引入Mamba架构提升处理效率与精度。[此处为图片1]
2. Towards Prospective Medical Image Reconstruction via Knowledge-Informed Dynamic Optimal Transport.
结合扩散变换器与表示自编码器的框架，实现知识引导的动态最优传输机制，用于前瞻性医学图像重建任务。
3. Orochi: Versatile Biomedical Image Processor.
Orochi 是一个多功能的生物医学图像处理平台，支持多种模态图像的统一建模与高效处理，适用于复杂医疗场景下的分析需求。[此处为图片2]
4. ?? ?Segment Anything Model Meets Semi-supervised Medical Image Segmentation: A Novel Perspective
探讨了“万物分割模型”在半监督医学图像分割中的应用潜力，提出了一个新的研究视角，推动通用模型向专业领域迁移。
5. VQ-Seg: Vector-Quantized Token Perturbation for Semi-Supervised Medical Image Segmentation
利用矢量量化技术对令牌进行扰动建模，增强模型在标注数据稀缺情况下的泛化能力，提升半监督分割性能。[此处为图片3]
6. GauSAM: Contour-Guided 2D Gaussian Fields for Multi-Scale Medical Image Segmentation with Segment Anything
引入轮廓引导的二维高斯场机制，结合Segment Anything模型实现多尺度医学图像精准分割，提升边界细节表现力。
7. The Boundaries of Fair AI in Medical Image Prognosis: A Causal Perspective.
从因果推理的角度审视公平性AI在医学影像预后中的局限性，揭示潜在偏差来源并提出评估框架。
京公网安备 11010802022788号
