← 記事一覧に戻る
UniME method proposed for brain tumor segmentation with missing MRI modalities using two-stage architecture combining single ViT encoder and modality-specific CNN encoders
arXiv cs.CV · 2026年4月27日
AI要約
- •Researchers propose UniME, a two-stage method that decouples representation learning from segmentation to handle incomplete multimodal MRI scans for brain tumor segmentation. Stage 1 pretrains a single ViT Uni-Encoder with masked image modeling; Stage 2 adds modality-specific CNN Multi-Encoders to extract fine-grained features.
- •The method fuses global representations from the Uni-Encoder with high-resolution, multi-scale features from the Multi-Encoders to produce segmentations when one or more MRI modalities are missing.
- •Experiments on BraTS 2023 and BraTS 2024 datasets show UniME outperforms previous methods under incomplete multi-modal scenarios. Code is made available.
関連記事
ヘルスケアAI
AIが薬剤耐性感染症の診断と治療を変える可能性がある一方、インセンティブの欠如により患者への到達が遅れるおそれ
WIRED AI·2026年4月29日
ヘルスケアAI
Researchers analyze LLM reasoning steps to uncover hidden stigma toward individuals with psychological conditions
arXiv cs.CL·2026年4月29日
ヘルスケアAI
EndoGov multi-agent system achieves guideline-compliant endometrial cancer risk stratification with 0.943 accuracy on TCGA-UCEC dataset
arXiv cs.MA (Multi-Agent)·2026年4月28日
ヘルスケアAI
Researchers introduce intervention-aware distillation framework that uses gene expression data to improve drug discovery image analysis
arXiv cs.CV·2026年4月28日
ヘルスケアAI
TraceElephant benchmark introduces full execution traces for diagnosing failures in LLM-based multi-agent systems
arXiv cs.MA (Multi-Agent)·2026年4月27日
AIニュースを毎日お届け
200以上のソースから厳選したAIニュースを毎日無料でお届けします。
無料で始める