Chan-Vese算法
提出了自适应局部窗口的方法,通过灰度共生矩阵计算全局和局部统计信息来估计每个轮廓点的窗口,以及为每个单独的物体进行分割。在医学图像领域的应用表明,该方法相对于全局和固定窗口方法而言有更好的Dice相似系数,特别是对于复杂的病变。
Jun, 2016
本文综述了应用于不同分割框架中的不同类型的先验知识,重点介绍了将先验信息纳入其框架的基于优化的方法,并根据使用的先验知识类型对现有工作进行了分类。研究人员可以通过我们的互动在线数据库更新其研究领域。此外,我们还讨论了能量函数设计的不同方面、存在的问题和未来的前景。
Jul, 2016
本文介绍“医学分割十项全能赛(MSD)”的比赛举办及其结论,提出了一种方法,能够在多个任务上表现良好,同时兼顾算法的泛化性能;冠军算法的延续优异表现,验证了这个假设。
Jun, 2021
本研究探讨了在医学图像分割中应用机器学习加速分割的过程中,评价方法的选择以及如何处理体素间的依存关系问题。研究以多模态评价方法为基础,量化并优化不同分割方法的表现效果。
Feb, 2023
本文介绍了一种新的基于关注多级金字塔结构的类激活特征映射方法AME-CAM, 该方法对多分辨率的激活图进行聚合,实现了对磁共振成像脑肿瘤分割的高精度预测。
Jun, 2023
本文提出基于Chan-Vese能量最小化的新关注门机制,用于更精确地控制标准CNN结构(如U-Net模型)产生的分割掩模,研究结果显示其在医学图像分割方面具有优越性。
Jun, 2023
通过综述快速模型(SAM)在医学图像分割领域的应用,本文总结了对SAM在医学图像分割任务中的有效性进行扩展的最近努力,并探讨了未来SAM在医学图像分割中的研究方向。尽管直接应用SAM到多模态和多目标医学数据集的图像分割上表现不够令人满意,但从这些努力中得到的众多见解对于塑造医学图像分析领域的基础模型的发展轨迹起到了宝贵的指导作用。
Jan, 2024
使用少样本学习的方法,本研究提出了一种基于深度学习的医学图像分割框架MatchSeg,通过匹配参考图像和设计联合注意力模块,实现了高效的领域泛化和优越的分割性能。
Mar, 2024
本研究针对医学图像分割中U-Net架构在训练与测试数据分布不一致时性能显著下降的问题,探讨了使用小型化神经元细胞自动机(NCA)的新方法。实验结果表明,NCA在泛化能力上超越了传统方法,同时保持了良好的独立同分布(IID)表现,展现了其在医学影像领域的应用潜力。
Aug, 2024