Jun, 2023

利用深度学习实现解剖学尺度定位自动检测微出血，实现完整临床诊断支持

PDF
TL;DR本文提出了一种新的基于 3D 深度学习框架的脑部小出血检测方法，不仅可以检测 CMBs，还可以确定它们在脑部的解剖位置，以此显著降低假阳性率并提高检测灵敏度。
cerebral microbleedsdeep learninganatomical localizationfalse positiveconvolutional prototype learning
发现论文，激发创造
  • 多尺度定位感知的深度三维卷积神经网络，用于自动检测推测为血管性来源的腔隙

    使用卷积神经网络的自动化方法可以高效地检测出脑血管源性腔隙，具有减少误检率的优势，并且可以促进神经退行性疾病的研究。

    Oct, 2016

  • 时空超声定位显微镜的深度学习框架

    通过深度学习中的三维卷积神经网络，从具有高泡沫浓度的超声数据中恢复密集的血管网络。

    Oct, 2023

  • 利用先验知识指导的深度学习技术实现多中心脑部 MRI 的空泡检测和量化

    开发一种新框架，用于自动检测小血管病和认知疾病视图中的腔隙性病变，该框架通过输出分类负担评分来简化和有效加速识别过程，并减少对噪声标签的敏感度。

    Jun, 2023

  • 颅内动脉瘤检测和定位的神经网络检测

    使用 nnDetection 框架和 TOF-MRA 进行医学图像分析，能够有效检测和定位颅内动脉瘤，具有潜在的临床应用。

    May, 2023

  • 用于白质高信号区分割的位置敏感深度卷积神经网络

    本文研究了使用多尺度网络和显式的位置特征在卷积神经网络中，以将解剖结构位置信息与医学图像分析相整合，提高自动分割的准确性，实验结果表明，加入位置信息的网络与手工特征或不加入位置信息的网络相比较，取得了更好的结果。

    Oct, 2016

  • 利用静息态 fMRI 进行基于深度学习的脑血流动力学映射

    本研究展示了如何使用深度学习技术和静息态功能磁共振成像来映射脑的血流功能及其损伤，这可以帮助早期检测和预防脑血管疾病，检测和评估血管重建效果，以及评估正常衰老的血管变化。

    Apr, 2022

  • 使用深度学习的超宽带微波出血检测和定位实验系统

    中风是致死和致残的主要原因。该研究介绍了一种利用超宽带微波成像和深度学习解决方案进行中风检测的可行实验模型。

    Oct, 2023

  • 应用深度神经网络进行解剖学脑分割

    采用深度人工神经网络，通过不同尺度的输入信息实现对人类脑磁共振成像的自动分割，无需非线性图像配准，对于全脑的解剖分割具有较好效果，为该领域提供了新的技术路线。

    Feb, 2015

  • 头颅 CT 扫描关键结果检测深度学习算法的开发与验证

    本研究开发和验证了一组深度学习算法，用于自动检测无对比剂头颅 CT 扫描的关键发现：颅内出血（ICH）及其类型，脑内实质（IPH），脑室内（IVH），硬膜下（SDH），硬脑膜外 (EDH) 和蛛网膜下 (SAH)，骨盖骨折，中线移位和占位效应，AUCs 测评结果显示算法的识别准确率达到了很高的水平。

    Mar, 2018

  • 一种新的基于中心的深度对比度度量学习方法用于儿童脑 MRI 的多微裂管理测

    该研究使用深度对比度度量学习方法和基于深度学习技术的模型，实现对儿童脑皮质表层组织异常（PMG）病例的 MRI 检测，并取得了 92.01% 的召回率和 55.04% 的精度，为放射学家筛选 PMG 影像提供了计算机辅助工具。

    Nov, 2022