Quality versus quantity of training datasets for artificial intelligence-based whole liver segmentation
Este estudio demuestra que, para la segmentación hepática con IA, los conjuntos de datos altamente curados pueden lograr un rendimiento equivalente al de conjuntos mucho más grandes y mixtos, aunque estos últimos ofrecen ventajas en la generalización y mejoras locales, lo que indica que la compensación entre calidad y cantidad depende de los objetivos específicos del modelo.