Key points are not available for this paper at this time.
복잡한 세분화 작업에서는 특정 지역을 세분화하는 동안 전문가들 간의 불일치를 관찰할 수 있습니다. 딥 러닝 기반 솔루션인 확률적 UNet은 각 개별 입력 이미지에 대한 주어진 레이블 집합으로부터 학습하고 각각에 대해 여러 세분화를 생성할 수 있는 가능한 솔루션 중 하나입니다. 그러나 이 방법은 세분화 분포에 대한 지식을 명시적으로 포함하지 않습니다. 본 연구는 그럴듯한 레이블의 분포를 손실 항으로 포함하여 아이디어를 확장합니다. 제안된 방법은 다발성 경화증 및 혈관 세분화 작업에서 GED를 47% 및 63% 줄일 수 있습니다.
Chatterjee et al. (Wed,)은 이 문제를 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: