可解释医学影像人工智能BayeSeg-1-引入
BayeSeg是庄吓海团队2023年发表于顶刊Med Image Anal专题的工作，提出可解释可泛化分割的概念理论和实现框架。文章获得本领域学术论文最高奖项，即 Elsevier-MedIA 1st Prize & Medical Image Analysis MICCAl Best Paper Award 2023。该奖项于2004年设立，由爱思唯尔出版社-顶刊Medical Image Analysis(IF>10) 、国际MICCAI学会联合颁发，每年评出一个工作旨在表彰其原创性贡献。该工作是第一次以中国内地机构为第一单位获此奖项。
可解释可泛化医学图像分割BayeSeg
（1/6）
5488播放
简介
订阅合集
可解释医学影像人工智能BayeSeg-1-引入
08:10
BayeSeg-2-层次贝叶斯
09:04
BayeSeg-3-变分推断
17:19
BayeSeg-4-图像分解与联合建模
11:59
BayeSeg-5-变分损失推导
26:16
BayeSeg-6-变分参数更新公式推导及网络架构
16:19
顶部