関連する実験動画

Updated: Aug 6, 2026

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.9K

人工知能ベースの肝臓全体セグメンテーションにおけるトレーニングデータセットの品質と量の比較

Austin Castelo, Caleb O'Connor, Aashish C Gupta

    medRxiv : the preprint server for health sciences
    |February 27, 2026
    PubMed
    まとめ

    医用画像におけるAIモデルトレーニング用の高品質で小規模なデータセットは、はるかに大規模で品質が混在するデータセットのパフォーマンスに匹敵します。データセットのキュレーションは、AIセグメンテーションの一般化可能性に影響を与え、品質と量の間の微妙なトレードオフを示します。

    キーワード:
    AIセグメンテーション医用画像肝臓セグメンテーションデータセット品質データセット量キュレーション深層学習CTスキャン

    さらに関連する動画

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography04:48

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

    Published on: November 30, 2022

    3.6K
    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique04:48

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    845

    関連する概念動画

    Survival Tree01:19

    Survival Tree

    Survival trees are a non-parametric method used in survival analysis to model the relationship between a set of covariates and the time until an event of interest occurs, often referred to as the "time-to-event" or "survival time." This method is particularly useful when dealing with censored data, where the event has not occurred for some individuals by the end of the study period, or when the exact time of the event is unknown.
     Building a Survival Tree
    Constructing a survival tree begins...