Jun, 2023

纵向检查中对应美国图像的自动检索

PDF
TL;DR本文提出了一种自我监督的对比学习方法，用于自动检索不同时期的相似肌肉超声视图，结果表明与监督学习模型相比，我们的对比学习模型在视图检索任务中表现更好，结合自动分割模型后的交叉面积误差在 5.7%+/-0.24% 之间。此外，用户研究调查证实了我们的模型在肌肉视图检索方面的有效性。
skeletal muscle atrophyphysiotherapyultrasound imagingcontrastive learning approachautomatic segmentation
发现论文，激发创造
  • 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

  • MUSCLE：多任务自监督持续学习以预训练多个身体部位的 X 射线图像深度模型

    通过使用自监督多任务持续预训练，研究了改进 X 射线图像分析表征学习的方法，并在多个医学图像任务中评估了其性能。

    Oct, 2023

  • 智能机器人超声医生：基于互信息的少样本解缠奖励学习

    提出了一种智能机器人超声检查师，能够从专家的经验中自主学习，理解超声检查的语言，通过估计互信息和开发高斯分布滤波器来提高模型的泛化能力，并在血管和动物器官模型中进行了演示实验，证明了该方法的稳健性。

    Jul, 2023

  • 肌肉体积量化：以解剖先验指导变形器

    运用卷积和可视化变换器块的混合架构进行肌肉分割，利用解剖先验规则加强预测性能，并对 18 个下肢肌肉进行形态分析。

    Oct, 2023

  • 自主超声学习：隐含任务表示与机器人技能适应

    通过潜在任务表示和机器人技能适应性，该研究提出了自主超声的解决方案，以便实现机器人自动完成超声检查的挑战。该方法通过融合多模式超声技能并将其封装为低维概率模型来实现，实验结果显示其在不同人群中可以生成复杂的超声策略，并且相较于先前方法取得显著更好的定量结果。

    Jul, 2023

  • 自主超声导航的心脏超声模拟

    通过模拟管道生成大量的超声图像，以供导航相关的网络训练使用，从而实现快速准确的患者特异性超声图像生成并展示该方法在网络导航相关任务中的可用性。

    Feb, 2024

  • X 光计算机断层扫描图像中腰肌分割的三维数值方案

    本研究基于三维数值方案，比较了经典的演化模型、三维测地线模型和其一阶修改方案在低剂量 X 射线计算机断层扫描图像中用于腰肌分割的性能，结果表明这些基于梯度的方案相对于手动分割具有可靠性，而一阶方案所需的计算负担明显小于二阶方法。

    Dec, 2023

  • LOTUS：学习优化基于任务的超声图像表示

    通过模拟介质的计算，该论文提出一种新的方法，利用 CT 扫描的数据生成物理模拟的超声图像，通过端到端的训练实现超声图像合成和自动分割。方法在主动脉和血管分割任务上有很好的定量结果，并在其他器官上进行了优化图像表示的定性结果评估。

    Jul, 2023

  • 自监督超声到 MRI 胎儿脑部图像合成

    本文提出了一种基于超声图像合成类似磁共振图像的方法，该方法自监督、端到端可训练，并利用交叉模式关注和对抗性学习等技术，成功生成了逼真的胎儿 MRI 图像。

    Aug, 2020

  • 肝脏三维重建及容量测量：利用部分超声扫描自动完成

    利用部分超声扫描的肝脏分割掩膜与由一组 CT 扫描建立的统计形状模型相结合，通过参数回归网络计算形状参数，实现准确的三维肝脏重建和自动肝容积计算。与放射科医生使用 Childs 方法计算的肝容积相比，我们的方法统计上更接近 CT 扫描估计的结果，并对 US 图像分辨率、用于 SSM 的 CT 扫描数量以及输入 US 扫描数量等进行了验证。据我们所知，这是首个利用少量不完整的 US 扫描和一组 CT 扫描的自动肝容积测量系统。

    Jun, 2024