Jun, 2008

基于混合注册的前列腺图谱分割

PDF
TL;DR本文介绍了一种半自动半自动前列腺磁共振图像分割方法的初步结果，旨在将其纳入前列腺放射性治疗的导航系统中。该方法基于由 18 个磁共振检查组成的人群计算的解剖图谱的配准，并采用一种混合配准框架，将基于强度的配准与强大的点匹配算法相结合，用于解剖图谱的构建和配准。在与专家分割相比的验证中，该方法的平均误差为 3.39 毫米，标准差为 1.95 毫米。我们认为，这种分割工具可能对临床医生的常规定量图像分析非常有帮助。
发现论文，激发创造
  • 前列腺 MRI 的持续基于图像的分割

    提出了一种基于图谱回放的医学图像分割方法，利用原型生成高质量分割掩膜，通过图像配准在训练分布变化的同时保持一致性，并在七个公开的前列腺分割数据集上与现有的持续学习方法进行了比较，表明该方法既稳健又具有广泛的泛化能力，能够保持知识。

    Nov, 2023

  • 前列腺 MRI 和组织病理图像的弱监督配准

    该研究提出了一种弱监督的 MRI 和组织病理学图像的仿射和可变形配准方法，用于早期检测前列腺癌，可以减轻需要前列腺分割的负担，并取得了比其他方法更高的准确度。

    Jun, 2021

  • 基于自主分割的超声波图像采集技术在关节运动情况下的应用

    该研究提出了一种基于视觉的方法，允许自主的机器人超声波肢体扫描，使用 MRI 图像的基准分析血管结构生成扫描轨迹，并利用神经网络对连续的超声帧进行空间连续性的分析以实现精确的血管结构重建及测量。

    Aug, 2022

  • 基于变形 MRI 序列配准的人工智能前列腺癌诊断

    通过使用图像配准算法研究了人工智能诊断算法的影响，发现虽然图像配准显著提高了病变对齐效果，但直接导致诊断准确性的显著提升仍未能得到证实。定性分析表明，同时开发图像配准方法和诊断人工智能算法可以提高诊断准确性和患者预后。

    Apr, 2024

  • 神经影像数据的一次性联合提取、注册和分割

    本文研究了神经影像数据中的一次性联合提取、配准和分割问题，提出了一种统一的端到端框架 JERS，它利用一个标记的模板图像和一些未标记的原始图像进行训练，通过自监督相互增强来优化提取、配准和分割任务。实证结果表明，我们提出的方法在提取、配准和分割任务中表现出色。

    Jul, 2023

  • 生物医学影像的多地图分割：调查

    本文介绍了多个已发表的 MAS 算法和应用这些方法于各种生物医学问题的研究，并将 MAS 与其他方法进行比较和总结， 讨论了 MAS 的过去、现在和未来的发展趋势。

    Dec, 2014

  • 磁共振前列腺分割中的深度学习：回顾与新视角

    该研究采用深度学习算法中的 2D U-Net 来进行 MR 前列腺分割。通过对四个公开数据集的实验，该算法在前列腺分割中取得了较好的效果，并为未来研究者提供了标准化的实验设置。

    Nov, 2020

  • SegReg: 通过配准 MR 图像和 CT 注释分割 OARs

    SegReg 方法利用弹性对称标准化技术将 MRI 图像与 CT 图像进行配准，以实现器官处于危险区域的分割，通过结合 CT 的几何精确度和 MRI 的软组织对比度，使得精确自动的器官处于危险区域的分割成为可能。

    Nov, 2023

  • MR-CT 图像弱监督下的颈部宫颈癌放射治疗对齐与配准

    通过利用计算机断层扫描（CT）和磁共振成像（MRI）多模态图像的信息特征，我们提出了一种初步的空间对齐算法和弱监督多模态注册网络，有效地实现了不同深度的多模态图像的自动对齐，通过金字塔特征和代价体积来估计光流，并在多种评估指标上证明了该方法在传统体积渲染对齐方法和注册网络方面的优越性，从而证明了我们模型在多模态图像注册中的有效性。

    May, 2024

  • 2024 年脑肿瘤分割挑战：脑膜瘤放疗规划自动分割

    通过使用最大的已知多机构放射治疗计划脑 MRI 数据集，对具有完整或术后脑膜瘤的患者进行放射治疗，本研究旨在推进自动化分割算法。该数据集包含脱敏的三维增强 T1 加权放射治疗计划 MRI 及其相应的标注目标体积，能够准确分割肿瘤并提供个体化治疗，预计将显著改善患者预后。

    May, 2024