Buchumschlag

F3-Net: Foundation Model for Full Abnormality Segmentation of Medical Images with Flexible Input Modality Requirement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Otaghsara, Seyedeh Sahar Taheri, Rahmanzadeh, Reza
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-encoder nnU-Net outperforms transformer models with self-supervised pretraining
von: Otaghsara, Seyedeh Sahar Taheri, et al.
Veröffentlicht: (2025)

DMAF-Net: An Effective Modality Rebalancing Framework for Incomplete Multi-Modal Medical Image Segmentation
von: Lan, Libin, et al.
Veröffentlicht: (2025)

Multi-Aperture Fusion of Transformer-Convolutional Network (MFTC-Net) for 3D Medical Image Segmentation and Visualization
von: Shabani, Siyavash, et al.
Veröffentlicht: (2024)

Adapting a Segmentation Foundation Model for Medical Image Classification
von: Gu, Pengfei, et al.
Veröffentlicht: (2025)

Modality-Projection Universal Model for Comprehensive Full-Body Medical Imaging Segmentation
von: Chen, Yixin, et al.
Veröffentlicht: (2024)

VISTA3D: A Unified Segmentation Foundation Model For 3D Medical Imaging
von: He, Yufan, et al.
Veröffentlicht: (2024)

Test-Time Modality Generalization for Medical Image Segmentation
von: Nam, Ju-Hyeon, et al.
Veröffentlicht: (2025)

Medverse: A Universal Model for Full-Resolution 3D Medical Image Segmentation, Transformation and Enhancement
von: Hu, Jiesi, et al.
Veröffentlicht: (2025)

Retrieval-augmented Few-shot Medical Image Segmentation with Foundation Models
von: Zhao, Lin, et al.
Veröffentlicht: (2024)

GuiDINO: Rethinking Vision Foundation Model in Medical Image Segmentation
von: Liang, Zhuonan, et al.
Veröffentlicht: (2026)

Few-Shot Adaptation of Training-Free Foundation Model for 3D Medical Image Segmentation
von: He, Xingxin, et al.
Veröffentlicht: (2025)

Enhancing Cross-Modal Medical Image Segmentation through Compositionality
von: Eijpe, Aniek, et al.
Veröffentlicht: (2024)

Curriculum Prompting Foundation Models for Medical Image Segmentation
von: Zheng, Xiuqi, et al.
Veröffentlicht: (2024)

Boosting Medical Image Classification with Segmentation Foundation Model
von: Gu, Pengfei, et al.
Veröffentlicht: (2024)

Vision-Language Enhanced Foundation Model for Semi-supervised Medical Image Segmentation
von: Guo, Jiaqi, et al.
Veröffentlicht: (2025)

Adapting Foundation Models for Few-Shot Medical Image Segmentation: Actively and Sequentially
von: Yang, Jingyun, et al.
Veröffentlicht: (2025)

Foundation AI Model for Medical Image Segmentation
von: Bao, Rina, et al.
Veröffentlicht: (2024)

MAFM^3: Modular Adaptation of Foundation Models for Multi-Modal Medical AI
von: Qazi, Mohammad Areeb, et al.
Veröffentlicht: (2025)

Zero-shot Domain Generalization of Foundational Models for 3D Medical Image Segmentation: An Experimental Study
von: Chattopadhyay, Soumitri, et al.
Veröffentlicht: (2025)

MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation
von: Ye, Yiwen, et al.
Veröffentlicht: (2025)

Medical SAM3: A Foundation Model for Universal Prompt-Driven Medical Image Segmentation
von: Jiang, Chongcong, et al.
Veröffentlicht: (2026)

KAN-Mamba FusionNet: Redefining Medical Image Segmentation with Non-Linear Modeling
von: Agrawal, Akansh, et al.
Veröffentlicht: (2024)

Foundation Model for Whole-Heart Segmentation: Leveraging Student-Teacher Learning in Multi-Modal Medical Imaging
von: Qayyum, Abdul, et al.
Veröffentlicht: (2025)

From Keypoints to Realism: A Realistic and Accurate Virtual Try-on Network from 2D Images
von: Toozandehjani, Maliheh, et al.
Veröffentlicht: (2025)

Semi-Supervised Multi-Modal Medical Image Segmentation for Complex Situations
von: Meng, Dongdong, et al.
Veröffentlicht: (2025)

Vision-Language Semantic Aggregation Leveraging Foundation Model for Generalizable Medical Image Segmentation
von: Yu, Wenjun, et al.
Veröffentlicht: (2025)

Continual Alignment for SAM: Rethinking Foundation Models for Medical Image Segmentation in Continual Learning
von: Wang, Jiayi, et al.
Veröffentlicht: (2025)

Cross-Modal Conditioned Reconstruction for Language-guided Medical Image Segmentation
von: Huang, Xiaoshuang, et al.
Veröffentlicht: (2024)

Beyond Pixel-Wise Supervision for Medical Image Segmentation: From Traditional Models to Foundation Models
von: Shi, Yuyan, et al.
Veröffentlicht: (2024)

CENet: Context Enhancement Network for Medical Image Segmentation
von: Bozorgpour, Afshin, et al.
Veröffentlicht: (2025)

Image Translation-Based Unsupervised Cross-Modality Domain Adaptation for Medical Image Segmentation
von: Yang, Tao, et al.
Veröffentlicht: (2025)

EM-Net: Efficient Channel and Frequency Learning with Mamba for 3D Medical Image Segmentation
von: Chang, Ao, et al.
Veröffentlicht: (2024)

Consistent View Alignment Improves Foundation Models for 3D Medical Image Segmentation
von: Vaish, Puru, et al.
Veröffentlicht: (2025)

Task-Specific Knowledge Distillation from the Vision Foundation Model for Enhanced Medical Image Segmentation
von: Liang, Pengchen, et al.
Veröffentlicht: (2025)

Foundation Model-guided Iteratively Prompting and Pseudo-Labeling for Partially Labeled Medical Image Segmentation
von: Zhao, Qiaochu, et al.
Veröffentlicht: (2026)

MedLiteNet: Lightweight Hybrid Medical Image Segmentation Model
von: Yu, Pengyang, et al.
Veröffentlicht: (2025)

Dino U-Net: Exploiting High-Fidelity Dense Features from Foundation Models for Medical Image Segmentation
von: Li, Haoyue, et al.
Veröffentlicht: (2025)

MSLAU-Net: A Hybrid CNN-Transformer Network for Medical Image Segmentation
von: Lan, Libin, et al.
Veröffentlicht: (2025)

UHR-Net: An Uncertainty-Aware Hypergraph Refinement Network for Medical Image Segmentation
von: Cheng, Shuokun, et al.
Veröffentlicht: (2026)

PCA-Enhanced Probabilistic U-Net for Effective Ambiguous Medical Image Segmentation
von: Li, Xiangyu, et al.
Veröffentlicht: (2026)