Assessing nnU-Net Generalization across Brain Tumor Populations in BraTS-GoAT 2026

  • 类型：arxiv
  • 标识：2609.15524
  • 链接：https://arxiv.org/abs/2609.15524
  • 主分类：llm-infra
  • 形态：method
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：BraTS-GoAT evaluates tumor segmentation across heterogeneous populations using a conventional 3D nnU-Net on 1,351 labeled cases using five-fold cross-validation and 1,000 epochs per fold and applied test-time mirroring.
  • OpenAlex ID：W7213283332
  • OpenAlex DOI：10.48550/arxiv.2609.15524
  • DOI：10.48550/arxiv.2609.15524
  • DOI来源：OpenAlex
  • OpenAlex Venue：HAL (Le Centre pour la Communication Scientifique Directe)
  • Venue：HAL (Le Centre pour la Communication Scientifique Directe)
  • Venue键：other
  • Venue来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://hal.science/hal-05725594
  • OpenAlex更新：2026-09-19
  • 待LLM分类：否
  • 标题中文：在 BraTS-GoAT 2026 中评估 nnU-Net 跨脑肿瘤人群的泛化能力
  • TLDR中文：BraTS-GoAT 在异质人群上使用传统 3D nnU-Net 对 1,351 个标注案例进行肿瘤分割评估，采用五折交叉验证，每折 1,000 epochs，并应用 test-time mirroring。
  • 来源文件：
  • /inbox/tom/_candidates/2026-09-17-agent-rag-longcontext-candidates.json
  • /inbox/tom/_candidates/2026-09-18-agent-rag-longcontext-candidates.json
  • [S2 enrich]
  • [OpenAlex backfill]