dice·general

Dice

别名
首次出现
2026-05-22
最近出现
2026-09-03
累计提及
33
§ 01综述

markdown
Dice是一种用于医学图像分割任务中衡量模型性能的指标,它通过计算预测区域与真实区域的重叠程度来反映分割效果,在医疗影像分析领域应用广泛,目前已成为医学图像处理研究中重要的评估标准之一。

Dice 近期进展

AUTOPET V挑战:解剖感知可提示分割模型:近期在解剖感知领域的分割模型研究取得新进展,为复杂场景下的精准分割提供新思路。 NA - UNETR:邻域注意力Transformer提升左前降支动脉3D分割:邻域注意力技术在心血管图像分割中的应用得到优化,提升了3D空间分割的准确性。 Hi - Seg:人机协作实现肺结节分割,Dice近85%:人机协作模式在肺结节分割中获得较高Dice分数表现,展现了多模态结合的优势。

当前焦点与观察点

当前医学图像分割领域对Dice指标的依赖仍较为突出,不同研究通过算法创新提升该指标成为主要方向。尽管各研究在模型架构上存在差异,但均注重实际临床场景的应用价值,且Dice指标作为核心评估维度,其结果直接反映了模型在实际分割任务中的可靠性。随着技术的进步,未来可能会有更平衡的评估体系出现,但目前Dice指标仍是衡量分割质量的关键参考点之一。
§ 02相关报道10 条在档
  1. 01
    牛齿分割模型研究:卷积与注意力模型对比
    arXiv cs.LG
  2. 02
    AUTOPET V挑战:解剖感知可提示分割模型
    arXiv cs.AI
  3. 03
    NA-UNETR:邻域注意力Transformer提升左前降支动脉3D分割
    arXiv cs.AI
  4. 04
    OTLesMix:用Wasserstein重心和最优传输生成多样合成病灶
    arXiv cs.LG
  5. 05
    利用类别特定解码器迁移学习提升腹腔镜分割性能
    arXiv cs.LG
  6. 06
    自我认证漏洞利用的智能体:安全对手利用的置信调度受限响应
    arXiv cs.AI
  7. 07
    多模态科学模型“神珍”开放,处理六类科学数据
    IT之家
  8. 08
    RadiomicNet:混合放射组学引导的轻量可解释医学图像分割
    arXiv cs.AI
  9. 09
    Hi-Seg:人机协作实现肺结节分割,Dice近85%
    arXiv cs.AI
  10. 10
    Confidence is Not Reliability: MC Dropout不确定性在脑肿瘤分割中的重新评估
    arXiv cs.LG
§ 03邻近话题

本页综述由 AITOP 基于公开报道整理。原报道版权归各自来源所有。

/topic/Dice