Quality versus quantity of training datasets for artificial intelligence-based whole liver segmentation
Cette étude démontre que, pour la segmentation du foie par intelligence artificielle, des ensembles de données soigneusement annotés mais plus petits peuvent atteindre des performances équivalentes à des ensembles beaucoup plus vastes mais moins rigoureux, bien que ces derniers offrent une meilleure généralisabilité, soulignant ainsi que le compromis entre qualité et quantité dépend des objectifs spécifiques du modèle.