Jul, 2023

SwIPE：高效稳健的医学图像分割与隐式块嵌入

PDF
TL;DRSwIPE 是一种新颖的方法，利用隐式神经表示来进行医学图像分割，以补充传统方法在空间上的不灵活性，并能够同时实现准确的局部边界划分和整体形状的一致性，具有较少参数的优势和数据效率提高的特点。
medical image segmentationimplicit neural representationsswipepatch leveldata efficiency
发现论文，激发创造
  • PC-SwinMorph：无监督医学图像配准和分割的补丁表示

    本文提出了一种名为 PC-SwinMorph 的新型统一无监督框架，旨在使用基于补丁的策略进行医学图像配准和分割，其中包括对比度策略和自我关注策略，并通过数值和视觉结果证明其优于当前的无监督方法。

    Mar, 2022

  • I-MedSAM：分割一切隐式医学图像

    本论文提出了一种结合连续表示和 SAM 的方法 I-MedSAM，用于医学图像分割，通过使用隐式神经表示训练一个隐式分割解码器，以获得更好的跨领域能力和准确的边界描绘。

    Nov, 2023

  • Patch2CAD：单张图像中自然环境下的形状检索的补丁嵌入学习

    本文介绍了一种基于 CAD 模型的方法，通过构建 2D 图像和 3D CAD 模型之间的联合嵌入空间，实现了对物体形状的精确估计和检测。试验结果表明，该方法对于复杂场景中的图像检测更为鲁棒。

    Aug, 2021

  • 利用像素嵌入实现稀疏物体级监督的实例分割

    本文提出了一种基于非空间嵌入的无提案分割方法，可处理生物医学图像等难以密集标注的图像，并引入了一种自我监督一致性损失，以解决正 - 无标签训练中的挑战。在不同显微镜模式下的二维和三维分割问题以及城市景观和 CVPPP 实例分割基准上，实现了最先进的结果。

    Mar, 2021

  • 医学视觉引导（MVP）：一种用于多功能和高质量医学图像分割的统一框架

    准确分割病变区域对于各种疾病的临床诊断和治疗至关重要。本研究提出了一种新颖的医学视觉提示 (MVP) 框架，借鉴了自然语言处理 (NLP) 的预训练和提示概念，通过整合 SPGP、IEGP 和 AAGP 三个关键组件，使得分割网络更好地学习形状提示信息并实现不同任务之间的相互学习，实验结果表明此方法在各种具有挑战性的医学图像任务中表现优越。

    Apr, 2024

  • 随机专家医学图像分割的隐式解剖渲染

    本文提出了一种名为 MORSE 的通用隐式神经渲染框架，以医学图像分割为例，通过多尺度像素级特征的并行优化和自适应细化边界区域的特征聚合，相比基于网格的曲卡尔卷积能更好地整合在高水平的语义相关内容和低水平的解剖特征，从而在 2D 和 3D 监督医学分割方法中持续取得了有竞争力的性能提升。

    Apr, 2023

  • 快速灵活的互动分割技术：适用于任何医学图像的 ScribblePrompt

    医学图像语义分割是科学研究和临床护理的重要部分。本文介绍了 ScribblePrompt，一种医学图像交互分割框架，它可以通过涂鸦、点击和边界框来使人类标注者对未知结构进行分割，具有较高的效率和性能。

    Dec, 2023

  • 使用提示进行医学图像分割

    本文提出了一种利用图像级标签来促进分割的双 U 形两阶段框架，通过预训练分类网络获取层次金字塔特征并引导下游分支的学习，在像素级标签的监督学习下，通过短跳和长跳将从分类分支获得的层次特征输入到下游分支中，并得到病变掩模，实验证明我们的框架相比只使用像素级标注的网络取得了更好的结果。

    Jun, 2024

  • 用局部约束学习的对象感知嵌入实现生物医学图像的实例分割

    研究了自动实例分割的问题，并提出一种基于深度神经网络的嵌入向量方法，使得相邻物体在嵌入空间中互相垂直，从而避免了对象的合并。该方法在细胞和叶片图像的分割任务中，即使使用轻量级的骨架网络也能达到领先水平。

    Apr, 2020

  • MRI 并行重建的批量隐式神经表示

    基于隐式神经表示的 MRI 重建方法通过引入嵌入尺度的编码器和多层感知机 (MLP) 实现了对完全采样的 MRI 图像进行任意尺度的重建，相比其他重建方法，在公开 MRI 数据集上表现出更好的性能。

    Sep, 2023