跳到正文
arXiv AI· Heeseung Shin, Changwon Lim·· 1 天前评分52

AIstatLab at BraTS-GoAT 2026 Task 3: Quality-Controlled Consensus Pseudo-Labeling and Dense Expert Adaptation

摘要

我们提出了一种3D残差编码器UNet,其训练使用质量控制的共识伪标签、仅训练的嵌套区域目标以及四专家瓶颈适配器。五折ResEnc-M/L教师生成了1,138个未标注案例的预测;融合、层级强制和置信度与一致度筛选保留了983个用于训练的1,351个标注案例。最终五折ResEnc-M入口在验证服务器上实现了平均DSC 0.834、平均NSD 0.510和Acalc = 0.6720。

推荐理由

请对照arXiv AI原文,核对完整说明及适用条件。

本站只提供摘要与原文入口。完整内容请阅读原文。

来源:arXiv AI · arxiv.org