乳腺肿瘤的形状和大小各异,以及背景不均匀,使得在 DCE-MR 图像中准确分割肿瘤变得具有挑战性。本文提出了一种新颖的肿瘤敏感合成模块,并展示了其与肿瘤分割集成后的用法
为了辅助计算病理学,合成数据生成、管理和标注提供了一种经济有效的方法增强数据多样性,可以在不同阶段快速提高模型性能。本文提出了一个大规模的带有细胞核语义分割标注的合成病理图像数据集 (SNOW)
癌症在大小、形态和强度外观上的巨大差异,自动和稳健的分割仍然非常具有挑战性。本文提出了一种简单而有效的两阶段方法,该方法同时利用对比前和对比后的增强信息来分割乳腺癌