Buchumschlag

Adaptive Voxel-Weighted Loss Using L1 Norms in Deep Neural Networks for Detection and Segmentation of Prostate Cancer Lesions in PET/CT Images

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dzikunu, Obed Korshie, Ahamed, Shadab, Toosi, Amirhossein, Li, Xiaoxiao, Rahmim, Arman
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Image and Video Processing Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comprehensive Evaluation of Quantitative Measurements from Automated Deep Segmentations of PSMA PET/CT Images
von: Dzikunu, Obed Korshie, et al.
Veröffentlicht: (2025)

IgCONDA-PET: Weakly-Supervised PET Anomaly Detection using Implicitly-Guided Attention-Conditional Counterfactual Diffusion Modeling -- a Multi-Center, Multi-Cancer, and Multi-Tracer Study
von: Ahamed, Shadab, et al.
Veröffentlicht: (2024)

A slice classification neural network for automated classification of axial PET/CT slices from a multi-centric lymphoma dataset
von: Ahamed, Shadab, et al.
Veröffentlicht: (2024)

Beyond Conventional Parametric Modeling: Data-Driven Framework for Estimation and Prediction of Time Activity Curves in Dynamic PET Imaging
von: Zakariaei, Niloufar, et al.
Veröffentlicht: (2024)

Dual channel CW nnU-Net for 3D PET-CT Lesion Segmentation in 2024 autoPET III Challenge
von: Wang, Ching-Wei, et al.
Veröffentlicht: (2024)

A cascaded deep network for automated tumor detection and segmentation in clinical PET imaging of diffuse large B-cell lymphoma
von: Ahamed, Shadab, et al.
Veröffentlicht: (2024)

Data Diet: Can Trimming PET/CT Datasets Enhance Lesion Segmentation?
von: Jaus, Alexander, 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)

HemSeg-200: A Voxel-Annotated Dataset for Intracerebral Hemorrhages Segmentation in Brain CT Scans
von: Song, Changwei, et al.
Veröffentlicht: (2024)

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

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)

Application of Spherical Convolutional Neural Networks to Image Reconstruction and Denoising in Nuclear Medicine
von: Hashemi, Amirreza, et al.
Veröffentlicht: (2023)

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

DAWN-FM: Data-Aware and Noise-Informed Flow Matching for Solving Inverse Problems
von: Ahamed, Shadab, et al.
Veröffentlicht: (2024)

A Dynamically Weighted Loss Function for Unsupervised Image Segmentation
von: Guermazi, Boujemaa, et al.
Veröffentlicht: (2024)

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

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

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

Prostate Capsule Segmentation from Micro-Ultrasound Images using Adaptive Focal Loss
von: Fatema, Kaniz, et al.
Veröffentlicht: (2025)

SkinMap: Weighted Full-Body Skin Segmentation for Robust Remote Photoplethysmography
von: Maleki, Zahra, et al.
Veröffentlicht: (2025)

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

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

Optimizing Federated Learning Configurations for MRI Prostate Segmentation and Cancer Detection: A Simulation Study
von: Moradi, Ashkan, et al.
Veröffentlicht: (2025)

MyGO: Make your Goals Obvious, Avoiding Semantic Confusion in Prostate Cancer Lesion Region Segmentation
von: Lin, Zhengcheng, et al.
Veröffentlicht: (2025)

Adaptive Voxelization for Transform coding of 3D Gaussian splatting data
von: Wang, Chenjunjie, et al.
Veröffentlicht: (2025)

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

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

CT-Guided Spatially-varying Regularization for Voxel-Wise Deformable Whole-Body PET Registration
von: Wu, Xiangcen, et al.
Veröffentlicht: (2026)

Promptable Longitudinal Lesion Segmentation in Whole-Body CT
von: Kirchhoff, Yannick, et al.
Veröffentlicht: (2025)

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

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

Automated Segmentation of Ischemic Stroke Lesions in Non-Contrast Computed Tomography Images for Enhanced Treatment and Prognosis
von: Musah, Toufiq, et al.
Veröffentlicht: (2024)

PCa-RadHop: A Transparent and Lightweight Feed-forward Method for Clinically Significant Prostate Cancer Segmentation
von: Magoulianitis, Vasileios, et al.
Veröffentlicht: (2024)

VoxelOpt: Voxel-Adaptive Message Passing for Discrete Optimization in Deformable Abdominal CT Registration
von: Zhang, Hang, et al.
Veröffentlicht: (2025)

UNet-3D with Adaptive TverskyCE Loss for Pancreas Medical Image Segmentation
von: Zhang, Xubei, et al.
Veröffentlicht: (2025)

Segmentation of Prostate Tumour Volumes from PET Images is a Different Ball Game
von: Bhandary, Shrajan, et al.
Veröffentlicht: (2024)

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)

Automatic Segmentation of the Kidneys and Cystic Renal Lesions on Non-Contrast CT Using a Convolutional Neural Network
von: Aronson, Lucas, et al.
Veröffentlicht: (2024)

Semi-supervised learning towards automated segmentation of PET images with limited annotations: Application to lymphoma patients
von: Yousefirizi, Fereshteh, et al.
Veröffentlicht: (2022)