Confronto tra framework di deep learning per la segmentazione delle lesioni COVID-19 in TC
Un nuovo studio valuta le architetture di deep learning per la segmentazione delle lesioni COVID-19 nelle immagini TC. I ricercatori hanno integrato quattro architetture—Unet, PSPNet, Linknet e FPN—con sei encoder pre-addestrati: VGG 19, DenseNet 121, Inception ResNet V2, MobileNet V2 e SeresNe. Il lavoro mira a colmare la mancanza di una metodologia standardizzata nella segmentazione di immagini mediche fornendo un benchmark completo delle prestazioni. I risultati dello studio potrebbero servire come riferimento per la segmentazione in altri scenari di imaging.
Fatti principali
- Lo studio confronta quattro architetture di deep learning: Unet, PSPNet, Linknet, FPN
- Sei encoder pre-addestrati utilizzati: VGG 19, DenseNet 121, Inception ResNet V2, MobileNet V2, SeresNe
- L'attenzione è sulla previsione delle lesioni COVID-19 nelle immagini TC
- La ricerca mira a standardizzare l'analisi delle prestazioni nella segmentazione di immagini mediche
- I risultati potrebbero essere applicabili ad altri scenari di imaging
- Pubblicato come preprint arXiv 2605.20459
Entità
Istituzioni
- arXiv