Buchumschlag

Dual channel CW nnU-Net for 3D PET-CT Lesion Segmentation in 2024 autoPET III Challenge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ching-Wei, Su, Ting-Sheng, Liu, Keng-Wei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Image and Video Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

autoPET IV challenge: Incorporating organ supervision and human guidance for lesion segmentation in PET/CT
von: Huang, Junwei, et al.
Veröffentlicht: (2025)

Rel-UNet: Reliable Tumor Segmentation via Uncertainty Quantification in nnU-Net
von: Ziaee, Seyed Sina, et al.
Veröffentlicht: (2025)

Left Atrial Segmentation with nnU-Net Using MRI
von: Hosseinabadi, Fatemeh, et al.
Veröffentlicht: (2025)

Autopet Challenge 2023: nnUNet-based whole-body 3D PET-CT Tumour Segmentation
von: Alloula, Anissa, et al.
Veröffentlicht: (2023)

Stress-testing cross-cancer generalizability of 3D nnU-Net for PET-CT tumor segmentation: multi-cohort evaluation with novel oesophageal and lung cancer datasets
von: Ghosh, Soumen, et al.
Veröffentlicht: (2025)

Two-Stage nnU-Net for Automatic Multi-class Bi-Atrial Segmentation from LGE-MRIs
von: On, Y., et al.
Veröffentlicht: (2025)

AutoPET III Challenge: PET/CT Semantic Segmentation
von: Safdari, Reza, et al.
Veröffentlicht: (2024)

How good nnU-Net for Segmenting Cardiac MRI: A Comprehensive Evaluation
von: Gunawardhana, Malitha, et al.
Veröffentlicht: (2024)

Data-Centric Strategies for Overcoming PET/CT Heterogeneity: Insights from the AutoPET III Lesion Segmentation Challenge
von: Kovacs, Balint, et al.
Veröffentlicht: (2024)

Lesion Segmentation in Whole-Body Multi-Tracer PET-CT Images; a Contribution to AutoPET 2024 Challenge
von: Astaraki, Mehdi, et al.
Veröffentlicht: (2024)

Multiscale Encoder and Omni-Dimensional Dynamic Convolution Enrichment in nnU-Net for Brain Tumor Segmentation
von: Mistry, Sahaj K., et al.
Veröffentlicht: (2024)

Training Beyond Convergence: Grokking nnU-Net for Glioma Segmentation in Sub-Saharan MRI
von: Barakat, Mohtady, et al.
Veröffentlicht: (2026)

Towards Reliable Pediatric Brain Tumor Segmentation: Task-Specific nnU-Net Enhancements
von: Li, Xiaolong, et al.
Veröffentlicht: (2025)

A Comprehensive Framework for Automated Segmentation of Perivascular Spaces in Brain MRI with the nnU-Net
von: Pham, William, et al.
Veröffentlicht: (2024)

Autopet III challenge: Incorporating anatomical knowledge into nnUNet for lesion segmentation in PET/CT
von: Kalisch, Hamza, et al.
Veröffentlicht: (2024)

MRI Breast tissue segmentation using nnU-Net for biomechanical modeling
von: Pooyan, Melika, et al.
Veröffentlicht: (2024)

Selective Phase-Aware Training of nnU-Net for Robust Breast Cancer Segmentation in Multi-Center DCE-MRI
von: Zayim, Beyza, et al.
Veröffentlicht: (2025)

Lesion Segmentation in FDG-PET/CT Using Swin Transformer U-Net 3D: A Robust Deep Learning Framework
von: Guha, Shovini, et al.
Veröffentlicht: (2026)

Automated surgical planning with nnU-Net: delineation of the anatomy in hepatobiliary phase MRI
von: Olthof, Karin A., et al.
Veröffentlicht: (2025)

Masked Autoencoder Pretraining and BiXLSTM ResNet Architecture for PET/CT Tumor Segmentation
von: Mazher, Moona, et al.
Veröffentlicht: (2025)

Data Diet: Can Trimming PET/CT Datasets Enhance Lesion Segmentation?
von: Jaus, Alexander, et al.
Veröffentlicht: (2024)

DpDNet: An Dual-Prompt-Driven Network for Universal PET-CT Segmentation
von: Liang, Xinglong, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Multi-modal Affine Registration for PET/CT
von: Chen, Junyu, et al.
Veröffentlicht: (2024)

Topology-Driven Fusion of nnU-Net and MedNeXt for Accurate Brain Tumor Segmentation on Sub-Saharan Africa Dataset
von: Bohara, Prabin, et al.
Veröffentlicht: (2026)

Training and Comparison of nnU-Net and DeepMedic Methods for Autosegmentation of Pediatric Brain Tumors
von: Vossough, Arastoo, et al.
Veröffentlicht: (2024)

Disentangled PET Lesion Segmentation
von: Gatsak, Tanya, et al.
Veröffentlicht: (2024)

Lung tumor segmentation in MRI mice scans using 3D nnU-Net with minimum annotations
von: Kaniewski, Piotr, et al.
Veröffentlicht: (2024)

Anatomy-Aware Lymphoma Lesion Detection in Whole-Body PET/CT
von: Bendazzoli, Simone, et al.
Veröffentlicht: (2025)

AutoPET III Challenge: Tumor Lesion Segmentation using ResEnc-Model Ensemble
von: Chutani, Tanya, et al.
Veröffentlicht: (2024)

Optimizing the nnU-Net model for brain tumor (Glioma) segmentation Using a BraTS Sub-Saharan Africa (SSA) dataset
von: Kalu, Chukwuemeka Arua, et al.
Veröffentlicht: (2025)

Towards AI Lesion Tracking in PET/CT Imaging: A Siamese-based CNN Pipeline applied on PSMA PET/CT Scans
von: Hein, Stefan P., et al.
Veröffentlicht: (2024)

From FDG to PSMA: A Hitchhiker's Guide to Multitracer, Multicenter Lesion Segmentation in PET/CT Imaging
von: Rokuss, Maximilian, et al.
Veröffentlicht: (2024)

Advanced Tumor Segmentation in PET/CT Imaging: A Training Strategy Study with nnU-Net for AutoPET III
von: Alasmawi, Hussain
Veröffentlicht: (2026)

Anatomically and Metabolically Informed Diffusion for Unified Denoising and Segmentation in Low-Count PET Imaging
von: Xia, Menghua, et al.
Veröffentlicht: (2025)

3D Lymphoma Segmentation on PET/CT Images via Multi-Scale Information Fusion with Cross-Attention
von: Huang, Huan, et al.
Veröffentlicht: (2024)

RICAU-Net: Residual-block Inspired Coordinate Attention U-Net for Segmentation of Small and Sparse Calcium Lesions in Cardiac CT
von: Park, Doyoung, et al.
Veröffentlicht: (2024)

LeqMod: Adaptable Lesion-Quantification-Consistent Modulation for Deep Learning Low-Count PET Image Denoising
von: Xia, Menghua, et al.
Veröffentlicht: (2024)

Cross-Modal Interactive Perception Network with Mamba for Lung Tumor Segmentation in PET-CT Images
von: Mei, Jie, et al.
Veröffentlicht: (2025)

Multi-modal Evidential Fusion Network for Trustworthy PET/CT Tumor Segmentation
von: Qi, Yuxuan, et al.
Veröffentlicht: (2024)

H2ASeg: Hierarchical Adaptive Interaction and Weighting Network for Tumor Segmentation in PET/CT Images
von: Lu, Jinpeng, et al.
Veröffentlicht: (2024)