清晰度感知最小化（SAM）和自适应清晰度感知最小化（ASAM）旨在改善模型的概括。在这个项目中，我们提出了三个实验，以从清晰度意识到的角度有效地概括它们。我们的实验表明，基于清晰度的优化技术可以帮助提供具有强大概括能力的模型。我们的实验还表明，ASAM可以改善对非归一化数据的概括性能，但是需要进一步的研究来确认这一点。
translated by 谷歌翻译
肾癌是最常见的癌症类型之一。治疗经常包括手术干预。但是，在这种情况下，由于区域解剖关系，手术尤其具有挑战性。器官描述可以显着改善手术计划和执行。在这一贡献中，我们提出了两个完全卷积网络的合奏，以分割肾脏，肿瘤，静脉和动脉。尽管Segresnet架构在肿瘤上取得了更好的性能，但NNU-NET为肾脏，动脉和静脉提供了更精确的分割。因此，在我们提出的方法中，我们结合了这两个网络，并通过增加混合增强进一步提高了性能。
translated by 谷歌翻译