Universal Lesion Segmentation Challenge 2023：不同算法的比较研究
计算机视觉与模式识别
2025-02-18 v1 机器学习
摘要
近年来，机器学习算法在various 组织类型的病灶分割方面取得了显著成果。然而，尚无一种令人满意的模型能够在所有组织类型上实现普适良好性能。为此，我们尝试训练一种既能在所有组织类型上表现良好，又能仍具备快速推理能力的模型。为此，我们设计了我们的网络结构，测试了多种现有网络结构，比较了它们的结果，并最终确定采用SwinUnet。我们记录了我们的理念、成功之处和失败之处。最后，我们提出了一些认为值得进一步探索的方向。代码：https://github.com/KWFredShi/ULS2023NGKD.git
引用
@article{arxiv.2502.10608,
title = {Universal Lesion Segmentation Challenge 2023: A Comparative Research of Different Algorithms},
author = {Kaiwen Shi and Yifei Li and Binh Ho and Jovian Wang and Kobe Guo},
journal= {arXiv preprint arXiv:2502.10608},
year = {2025}
}