Mar, 2023

多视角交叉模态 MR 图像转换用于前庭神经鞘瘤和耳蜗分割

PDF
TL;DR本研究提出一种多视角图像翻译框架，通过使用像素级一致性约束和补丁级对比约束的两个图像转换模型，将增强对比度的 T1MRI 图像翻译成高分辨率 T2MRI 图像，为无监督前庭神经鞘瘤和耳蜗分割提供伪高分辨率的 T2MRI 图像，并通过实验证明该方法在前庭神经鞘瘤和耳蜗分割方面具有出色的性能表现。
发现论文，激发创造
  • 一种用于分割前庭神经瘤和耳蜗的三维多样式跨模态分割框架

    本文提出了一种针对 crossMoDA2023 挑战的三维多样式跨模态分割框架，通过多种图像转换和自我训练分割阶段，实现对未标记 hrT2 扫描中的前庭神经瘤（分为颅内和颅外组分）以及耳蜗区域的分割，并借助标记的 ceT1 扫描实现。

    Nov, 2023

  • MS-MT: 用于跨模态前庭神经瘤和耳蜗分割的多尺度平均教师和对比非配对翻译

    提出了一种基于多尺度自组装的无监督领域自适应 (UDA) 框架，用于高分辨率 T2 影像上的自动分割 Vestibular Schwannoma (VS) 和 Cochlea。该方法结合了对比无对应图像翻译，多尺度深度监督和一致性规范化，自我训练和强化强化等技术，证明其在跨模态分割性能上具有很大的应用价值。

    Mar, 2023

  • 基于细粒度无监督跨模态域自适应的前庭神经瘤分割

    引入细粒度无监督框架以实现跨模态的前庭神经硬膜瘤和耳蜗分割，通过使用向量控制生成器并应用多样增强技术来提高分割模型的性能和鲁棒性。在 CrossMoDA 验证阶段排行榜上，我们的方法分别在前庭神经硬膜瘤和耳蜗上得到了 0.765 和 0.836 的平均 Dice 得分。

    Nov, 2023

  • 基于深度空间关注和硬度加权损失的 T2 加权 MRI 听神经瘤自动分割

    介绍了一种应用于 vestibular schwannoma MRI 图像的 2.5D 卷积神经网络，该网络利用了所应用成像协议中不同的平面分辨率，使其精度和鲁棒性得到提升，并通过引入注意力机制以及权重逐渐递增的 Dice 损失函数对其进行了优化。实验表明，该方法能有效提高分割精度，为患者管理提供了重要参考。

    Jun, 2019

  • 跨模态医学图像分割的简单而强大的框架: Vision Transformers 应用

    通过使用单一的条件模型，根据输入类型调整其归一化层来实现多模态图像的公平图像分割，并在多模态全心分割挑战中优于其他跨模态分割方法。

    Oct, 2023

  • 使用生成混合增强和自训练的交叉模态肿瘤分割

    本文介绍了一种用于肿瘤分割的新型深度学习方法，该方法使用了基于图像转换和 Segementation 的迭代自训练算法以及一种名为 GBA（Generative Blending Augmentation）的数据增强技术，使用 SinGAN 生成模型来使目标肿瘤出现得更加真实，从而提高了分割模型的泛化能力，并在 MICCAI CrossMoDA 2022 演示中的肿瘤分割任务中名列前茅。

    Apr, 2023

  • 融合跨模态幻觉 MRI 和 CT 辅助纵隔肺肿瘤分割

    本文提出一种名为 CMEDL 的交叉模态教育深度学习分割方法，通过利用低辐射剂量的计算机体层扫描图像，结合核磁共振成像技术中的软组织成像信息，用神经网络进行训练与分割，有效提高其肺肿瘤数据分割的准确性。

    Sep, 2019

  • 基于去噪扩散的 MR 到 CT 图像转换使 2D 和 3D 全脊椎椎骨分割无需手动标注

    通过自动分割脊柱 MR 图像，实现基于图像注册的配对数据翻译，并提供解剖正确的分割结果。

    Aug, 2023

  • 基于多任务神经网络框架的多模态 MRI 数据增强 CT 图像合成

    本研究提出了一种基于增强的 Transformer U-Net 架构的多功能多任务神经网络框架，可以同时、选择性和自适应地解决医学图像中的图像分割、实值预测和跨模态转换等关键挑战。通过对人脑 MR 和 CT 图像的公共数据集进行验证，我们将合成 CT 图像的传统问题分解为不同的子任务，包括颅骨分割、HU 值预测和图像顺序重建。为了增强该框架处理多模态数据的多功能性，我们在模型中添加了多个图像通道，并进行了基于 T1 加权和 T2-Flair 图像合成的 CT 图像比较，评估了模型从形态学和像素值角度集成多模态信息的能力。

    Dec, 2023

  • 用于多模式图像配准的对抗单模态和多模态流网络

    提出一种新颖的基于翻译的无监督可变形图像配准方法，该方法利用双流方式调节变形场以实现更好的配准性能，并使用计算效率高的相似度度量对多模态配准网络进行有效训练，并在两个临床数据集上验证了其优越性能。

    Jul, 2020