Buchumschlag

State-of-the-Art Stroke Lesion Segmentation at 1/1000th of Parameters

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fedorov, Alex, Bu, Yutong, Hu, Xiao, Rorden, Chris, Plis, Sergey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Image and Video Processing Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MindGrab for BrainChop: Fast and Accurate Skull Stripping for Command Line and Browser
von: Fani, Armina, et al.
Veröffentlicht: (2025)

Local Gamma Augmentation for Ischemic Stroke Lesion Segmentation on MRI
von: Middleton, Jon, et al.
Veröffentlicht: (2024)

Stroke Lesion Segmentation using Multi-Stage Cross-Scale Attention
von: Shang, Liang, et al.
Veröffentlicht: (2025)

BeSt-LeS: Benchmarking Stroke Lesion Segmentation using Deep Supervision
von: Deb, Prantik, et al.
Veröffentlicht: (2023)

Input Data Adaptive Learning (IDAL) for Sub-acute Ischemic Stroke Lesion Segmentation
von: Götz, Michael, et al.
Veröffentlicht: (2024)

VRXU-net: A Deep Learning Approach for Brain Ischemic Stroke Lesion Detection and Segmentation in T1W MRI
von: Mobarakeh, Sayed Amir Mousavi
Veröffentlicht: (2026)

Clinically-Informed Preprocessing Improves Stroke Segmentation in Low-Resource Settings
von: Rivera, Juampablo E. Heras, et al.
Veröffentlicht: (2025)

A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge
von: de la Rosa, Ezequiel, et al.
Veröffentlicht: (2024)

UltraLight VM-UNet: Parallel Vision Mamba Significantly Reduces Parameters for Skin Lesion Segmentation
von: Wu, Renkai, et al.
Veröffentlicht: (2024)

Domain-Agnostic Stroke Lesion Segmentation Using Physics-Constrained Synthetic Data
von: Chalcroft, Liam, et al.
Veröffentlicht: (2024)

Deep Learning-Driven Segmentation of Ischemic Stroke Lesions Using Multi-Channel MRI
von: Rahman, Ashiqur, et al.
Veröffentlicht: (2025)

Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation
von: Shi, Hairong, et al.
Veröffentlicht: (2024)

Optimizing Universal Lesion Segmentation: State Space Model-Guided Hierarchical Networks with Feature Importance Adjustment
von: Sanjid, Kazi Shahriar, et al.
Veröffentlicht: (2024)

Out-of-Distribution Segmentation in Autonomous Driving: Problems and State of the Art
von: Shoeb, Youssef, et al.
Veröffentlicht: (2025)

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

Conformal Lesion Segmentation for 3D Medical Images
von: Tan, Binyu, et al.
Veröffentlicht: (2025)

Toward Generalizable Multiple Sclerosis Lesion Segmentation Models
von: Badea, Liviu, et al.
Veröffentlicht: (2024)

UniSegDiff: Boosting Unified Lesion Segmentation via a Staged Diffusion Model
von: Hu, Yilong, et al.
Veröffentlicht: (2025)

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

Dual-Encoder Transformer-Based Multimodal Learning for Ischemic Stroke Lesion Segmentation Using Diffusion MRI
von: Usman, Muhammad, et al.
Veröffentlicht: (2025)

MSWAL: 3D Multi-class Segmentation of Whole Abdominal Lesions Dataset
von: Wu, Zhaodong, et al.
Veröffentlicht: (2025)

An Automatic Cascaded Model for Hemorrhagic Stroke Segmentation and Hemorrhagic Volume Estimation
von: Xu, Weijin, et al.
Veröffentlicht: (2024)

UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation
von: Zhang, Jinwei, et al.
Veröffentlicht: (2025)

SYNAPSE-Net: A Unified Framework with Lesion-Aware Hierarchical Gating for Robust Segmentation of Heterogeneous Brain Lesions
von: Hassan, Md. Mehedi, et al.
Veröffentlicht: (2025)

Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images
von: Wang, Meng, et al.
Veröffentlicht: (2022)

PediDemi -- A Pediatric Demyelinating Lesion Segmentation Dataset
von: Popa, Maria, et al.
Veröffentlicht: (2025)

Interpretability of Uncertainty: Exploring Cortical Lesion Segmentation in Multiple Sclerosis
von: Molchanova, Nataliia, et al.
Veröffentlicht: (2024)

Transformer-CNN Fused Architecture for Enhanced Skin Lesion Segmentation
von: Tiwari, Siddharth
Veröffentlicht: (2024)

SkinMamba: A Precision Skin Lesion Segmentation Architecture with Cross-Scale Global State Modeling and Frequency Boundary Guidance
von: Zou, Shun, et al.
Veröffentlicht: (2024)

Unstable Prompts, Unreliable Segmentations: A Challenge for Longitudinal Lesion Analysis
von: Rocholl, Niels, et al.
Veröffentlicht: (2025)

Uncertainty-Guided Dual-Domain Learning for Reliable Skin Lesion Segmentation
von: Dai, Duwei, et al.
Veröffentlicht: (2026)

EAGLE: An Efficient Global Attention Lesion Segmentation Model for Hepatic Echinococcosis
von: Chen, Jiayan, et al.
Veröffentlicht: (2025)

A Foundation Model for Brain Lesion Segmentation with Mixture of Modality Experts
von: Zhang, Xinru, et al.
Veröffentlicht: (2024)

ICPR 2024 Competition on Multiple Sclerosis Lesion Segmentation -- Methods and Results
von: Rondinella, Alessia, et al.
Veröffentlicht: (2024)

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study
von: Xu, Guoping, et al.
Veröffentlicht: (2026)

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

Benchmarking of Deep Learning Methods for Generic MRI Multi-Organ Abdominal Segmentation
von: Krishnaswamy, Deepa, et al.
Veröffentlicht: (2025)

Explaining Uncertainty in Multiple Sclerosis Cortical Lesion Segmentation Beyond Prediction Errors
von: Molchanova, Nataliia, et al.
Veröffentlicht: (2025)

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

TESL-Net: A Transformer-Enhanced CNN for Accurate Skin Lesion Segmentation
von: Iqbal, Shahzaib, et al.
Veröffentlicht: (2024)