Loading...
arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日
机构名称：

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日

¥ 1.0
热度

摘要。多模态 MRI 中的脑肿瘤分割是医学图像分析中最具挑战性的任务之一。解决此任务的最新算法基于机器学习方法，尤其是深度学习。用于训练此类模型的数据量及其可变性是构建具有高表示能力的算法的基石。在本文中，我们研究了模型性能与训练过程中使用的数据量之间的关系。以脑肿瘤分割挑战为例，我们比较了使用挑战组织者提供的标记数据训练的模型，以及使用用异构模型集合注释的额外未标记数据以全监督方式训练的相同模型。结果，使用额外数据训练的单个模型实现了接近多个模型集合的性能，并且优于单个方法。

添加pdf代下载 VIP点击下载文件

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日

Facebook Twitter Instagram Mail

主要关键词

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日PDF文件第1页

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日PDF文件第2页

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日PDF文件第3页

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日PDF文件第4页

arXiv:2002.03688v1 [eess.IV] 2020 年 2 月 10 日PDF文件第5页

相关文件推荐

arXiv:2002.03831v1 [quant-ph] 2020 年 2 月 10 日
2020 年

arXiv:2002.03831v1 [quant-ph] 2020 年 2 月 10 日

¥1.0
arXiv:2002.03851v7 [eess.AS] 2020 年 5 月 4 日
2020 年

arXiv:2002.03851v7 [eess.AS] 2020 年 5 月 4 日

¥1.0
arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日
2020 年

arXiv:2002.10988v1 [eess.AS] 2020 年 2 月 25 日

¥1.0
arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日
2020 年

arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日

¥3.0
arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日
2020 年

arXiv:2004.02730v2 [eess.SY] 2020 年 10 月 2 日

¥3.0
arXiv:2002.02242v1 [quant-ph] 2020 年 2 月 6 日
2020 年

arXiv:2002.02242v1 [quant-ph] 2020 年 2 月 6 日

¥1.0
arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日
2020 年

arXiv:2005.02933v1 [eess.IV] 2020 年 5 月 6 日

¥1.0
arXiv:2002.12887v2 [quant-ph] 2020 年 9 月 9 日
2020 年

arXiv:2002.12887v2 [quant-ph] 2020 年 9 月 9 日

¥2.0
arXiv:2002.09044v1 [cs.AI] 2020 年 2 月 20 日
2021 年

arXiv:2002.09044v1 [cs.AI] 2020 年 2 月 20 日

¥1.0
arXiv:2002.05769v1 [cs.AI] 2020 年 2 月 13 日
2020 年

arXiv:2002.05769v1 [cs.AI] 2020 年 2 月 13 日

¥1.0
arXiv:2002.10665v1 [cs.AI] 2020 年 2 月 25 日
2021 年

arXiv:2002.10665v1 [cs.AI] 2020 年 2 月 25 日

¥2.0
arXiv:2002.11697v1 [cs.AI] 2020 年 2 月 26 日
2020 年

arXiv:2002.11697v1 [cs.AI] 2020 年 2 月 26 日

¥1.0
arXiv:2002.01651v1 [physics.app-ph] 2020 年 2 月 5 日
2020 年

arXiv:2002.01651v1 [physics.app-ph] 2020 年 2 月 5 日

¥1.0
arXiv:2002.00055v1 [quant-ph] 2020 年 1 月 31 日
2020 年

arXiv:2002.00055v1 [quant-ph] 2020 年 1 月 31 日

¥1.0
arXiv:2002.07610v1 [hep-ph] 2020 年 2 月 18 日
2020 年

arXiv:2002.07610v1 [hep-ph] 2020 年 2 月 18 日

¥1.0
arXiv:2002.07328v1 [quant-ph] 2020 年 2 月 18 日
2020 年

arXiv:2002.07328v1 [quant-ph] 2020 年 2 月 18 日

¥1.0
arXiv:2003.04930v1 [quant-ph] 2020 年 3 月 10 日
2020 年

arXiv:2003.04930v1 [quant-ph] 2020 年 3 月 10 日

¥1.0
arXiv:2003.00741v1 [eess.SY] 2020 年 3 月 2 日
2020 年

arXiv:2003.00741v1 [eess.SY] 2020 年 3 月 2 日

¥1.0
arXiv:1906.10022v2 [quant-ph] 2020 年 4 月 10 日
2020 年

arXiv:1906.10022v2 [quant-ph] 2020 年 4 月 10 日

¥1.0
arXiv:2402.07008v1 [eess.IV] 2024 年 2 月 10 日
2024 年

arXiv:2402.07008v1 [eess.IV] 2024 年 2 月 10 日

¥1.0
arXiv:1902.09587v3 [cs.CR] 2020 年 10 月 1 日
2020 年

arXiv:1902.09587v3 [cs.CR] 2020 年 10 月 1 日

¥1.0
arXiv:2001.11954v1 [eess.SP] 2020 年 1 月 30 日
2020 年

arXiv:2001.11954v1 [eess.SP] 2020 年 1 月 30 日

¥1.0
arXiv:2002.06007v1 [physics.soc-ph] 2020 年 2 月 14 日
2020 年

arXiv:2002.06007v1 [physics.soc-ph] 2020 年 2 月 14 日

¥1.0
arXiv:2002.12686v1 [physics.pop-ph] 2020 年 2 月 28 日
2020 年

arXiv:2002.12686v1 [physics.pop-ph] 2020 年 2 月 28 日

¥1.0
2020 年 10 月 - STid
2020 年

2020 年 10 月 - STid

¥1.0
2020 年 2 月 10 日 版本 2.0，变更 1
2020 年

2020 年 2 月 10 日 版本 2.0，变更 1

¥15.0
arXiv:2006.15693v1 [eess.IV] 2020 年 6 月 28 日 - UCL Discovery
2020 年

arXiv:2006.15693v1 [eess.IV] 2020 年 6 月 28 日 - UCL Discovery

¥1.0
arXiv:2002.04207v1 [ed.IV] 2 月 11 日
2020 年

arXiv:2002.04207v1 [ed.IV] 2 月 11 日

¥1.0
2020 年 3 月 10 日 我的领导力、人工智能和我
2020 年

2020 年 3 月 10 日 我的领导力、人工智能和我

¥1.0
arXiv:2001.00804v1 [cs.AI] 2020 年 1 月 3 日
2020 年

arXiv:2001.00804v1 [cs.AI] 2020 年 1 月 3 日

¥1.0