ADEST-U-Net: A Dual-Encoder Architecture for Cross-Organ and Cross-Modality Transfer Learning in Data-Scarce Medical Image Segmentation
Ce document propose ADEST-U-Net, une architecture à double encodeur qui exploite l'apprentissage par transfert inter-organes et inter-modalités à partir de modèles de tumeurs cérébrales par IRM pour améliorer significativement la précision de la segmentation des tumeurs du foie et réduire les faux positifs dans les scanners CT dans des conditions de rareté des données.