CVPRMar, 2022

使用创面分割和重建生成 3D 生物可打印补片以治疗糖尿病足溃疡

PDF
TL;DRAiD Regen 使用 2D 语义分割和 3D 重建生成 3D 伤口模型，协助治疗糖尿病足溃疡。它具有全流程，包括图像捕捉，语义分割，点云处理，3D 重建和 G 代码生成的能力，并具有人机交互的接口。实验证明，该模型优于先前的伤口分割模型，并能够生成具有较高准确性的 3D 伤口模型。同时，对患有糖尿病足溃疡的真实病例进行了病例研究，并展示了 AiD Regen 在治疗 DFU 创伤方面的有效性。
aid regen3d wound modelsdiabetic foot ulcerssemantic segmentation3d bio-printers
发现论文，激发创造
  • 一种用于自动化 3D 医学图像分割的动态交互学习框架

    基于深度学习的医学图像自动分割系统面临大量数据标注成本和模型迭代中的高延迟问题，本研究提出了一种动态交互学习框架，通过将交互式分割与端到端弱监督学习和流式任务集成，解决了这些挑战。我们开发了新颖的重放和标签平滑方案，克服了灾难性遗忘并提高了在线学习的鲁棒性，并在每个图像上同时优化前端预测和深度学习分段器的多轮交互式分割模块。通过空间残差图，我们训练的分段器明确地指导下一步的用户干预，从而实现了弱监督信号的蒸馏。通过在三维分割任务（NCI-ISBI2013 和 BraTS2015）上的评估，我们的框架生成了与离线训练基准相匹配的在线学习性能。此外，我们的框架减少了 62% 的标注工作量，并且在与具有完整 ground truth 的在线和离线学习进行对比时，生成了具有竞争力的 dice 分数。此外，由于其灵活性和响应能力，这样的框架可以部署在保证数据安全和简便维护的医院防火墙之后。

    Dec, 2023

  • 肿瘤为中心的补丁化方法增强医学图像分割

    该研究介绍了一种创新方法，以肿瘤为核心，针对基于块的图像分析问题，解决了类别不平衡和边界缺陷的困境，提高了医学图像分割的准确性和计算机辅助诊断系统的性能。

    Aug, 2023

  • 3DGAUnet: 基于 3D U-Net 的 3D 生成对抗网络生成器，在胰腺癌的临床肿瘤图像数据中实现准确和有效的合成

    通过使用生成对抗网络（GAN）技术，我们开发了一个名为 3DGAUnet 的新型 GAN 模型，用于合成胰腺导管腺癌（PDAC）肿瘤和胰腺组织的逼真的三维 CT 图像，以提高 PDAC 的形状和纹理学习，从而增强了 PDAC 肿瘤的准确性和早期检测的能力。

    Nov, 2023

  • 基于双向 RNN 的 3D 医学图像分割少样本学习

    本文提出了一种基于 3D 少样本学习的器官分割框架，通过学习支撑数据的 2D 片段与查询图像之间的关系，包括一个学习编码特征的双向门控循环单元（GRU），以及在使用任意支撑和查询数据之前通过迁移学习方法更新模型来适应目标图像和器官的特征。在三个 3D CT 数据集上测试，该模型的性能显著优于最先进的少样本分割模型，并且与使用更多目标训练数据训练的完全监督模型相当。

    Nov, 2020

  • 基于时间立方 PatchGAN (TCuP-GAN) 的自动化 3D 肿瘤分割

    利用最新的深度学习技术开发稳健的通用三维分割框架是不同生物医学领域中的一个活跃研究领域，该研究介绍了一种称为 Temporal Cubic PatchGAN (TCuP-GAN) 的体素到体素转换模型，将生成性特征学习框架与卷积长短时记忆网络 (LSTMs) 相结合，用于三维分割任务，展示了该框架在四个分割挑战 (成人胶质瘤、脑膜瘤、儿童肿瘤和撒哈拉以南非洲子集) 的数据上的能力，并使用 LesionWise Dice 相似度和 95% Hausdorff 距离度量了其性能，展示了我们的框架在所有挑战中成功学习到了具有强鲁棒性的多类别分割掩模，这项基准工作为将 TCuP-GAN 应用于其他多类任务如电子显微镜成像中的多细胞器分割等未来工作努力提供了一个基础。

    Nov, 2023

  • AGILE3D: 基于注意力导向的交互式多目标三维分割

    AGILE3D model supports simultaneous segmentation of multiple 3D objects, yields more accurate segmentation masks with fewer user clicks, and offers faster inference, setting a new state of the art in interactive segmentation of 3D point clouds.

    Jun, 2023

  • Re-DiffiNet：利用扩散建模肿瘤分割中的差异

    通过使用 DDPM 模型，我们介绍了一种名为 Re-Diffinet 的框架，用于建模分割模型与真实情况之间的差异，从而提高肿瘤分割的 Dice 评分 0.55% 和 HD95 16.28% 的准确性。

    Feb, 2024

  • TCuPGAN：面向公众科学优化人机交互的新型框架

    大数据时代下，为了减少人工标记和分类大型数据集的工作量，我们提出了一种基于生成对抗网络和长短期记忆的 3D 分割模型，结合众包式的公民科学项目，使得志愿者只需查看部分图像切片并校正其中机器无法正确处理的图像，从而极大地降低了志愿者在公民科学项目中的工作量。

    Nov, 2023

  • M3D-NCA：内置质量控制的鲁棒三维分割

    提出了一种名为 M3D-NCA 的新方法，利用神经细胞自动机（NCA）分割 3D 医学图像，并开发了一种新的质量度量方法来自动检测 NCA 分割过程中的错误。M3D-NCA 在海马体和前列腺分割方面比两个更大的 UNet 模型表现优异，其 Dice 系数提高了 2%，并且可以在资源受限环境下的 Raspberry Pi 4 Model B（2GB RAM）上运行，展示了 M3D-NCA 作为医学图像分割的有效和高效替代方法的潜力。

    Sep, 2023

  • 一个神经网络进行全局的医学三维图像分割系统：一种通用的轻量级准确分割系统

    研究介绍了一个简单而彻底评估的深度学习框架，应用于任意医学图像体的分割，同时不需要任务特定的信息和人为干预。该系统基于一个固定的模型拓扑和固定的超参数集，排除了模型选择的过程和方法级别的过拟合。此外，使用多平面数据增强，结合了一个基于常见 U-Net 的 2D 架构，让 2D 模型学习表示 3D 图像体的表示方法，从而提高了泛化性能。

    Nov, 2019