Aug, 2023

转变乳腺癌诊断：实时超声到乳房 X 光片的转换，实现成本效益的诊断

PDF
TL;DR通过使用延时软件以及生成对抗网络（GANs），本研究旨在通过从噪音超声图像中提供类似乳腺 X 线摄影图像质量的实时图像，以解决超声图像在空间分辨率和噪音方面的限制。
ultrasound imagingreal-timeimage qualitywave interference patterngenerative adversarial networks
发现论文，激发创造
  • 快速超声计算机断层扫描的盲信号分离

    FastUSTC 是一种在同样成像时间内能提高医学超声计算机断层扫描术成像质量的有效方法。

    Apr, 2023

  • 通过 CycleGAN 将超声图像转换为伪解剖展示

    通过利用神经网络的 CycleGAN 方法，从医学超声图像数据中生成伪解剖图像，提高图像质量以更好地表现病变区域，其中生成伪解剖图像在病变分割中的对比度和区分度较高，可潜在地简化诊断流程并改善临床结果。

    Feb, 2022

  • 传统方法的超越：乳腺超声诊断的多任务网络

    乳腺超声在癌症诊断中起着重要作用，是一种非侵入性、具有成本效益的方法，在肿瘤定位和癌症分类任务中深度学习的发展使得许多基于 CNN 的方法被广泛研究。在本研究中，我们旨在重新设计和构建端到端多任务架构，以进行分割和分类。通过我们提出的方法，在分割任务中，使用 DeepLabV3 + 架构，实现了 79.8% 的卓越性能和时间效率达到 86.4%。

    Jan, 2024

  • 使用机器学习自动化乳腺 X 光摄影图像分析

    本文提出了一种计算机辅助自动乳房 X 线摄影分析系统，其中包含三个连续的图像处理、特征选择和图像分类阶段，可以有效分类正常或癌症，实验证明该系统可以提高分类性能。

    Dec, 2020

  • 利用静态图像和动态视频进行乳腺病变诊断

    通过学习静态图像和动态视频的特征，并探索两种模态之间的潜在关系，我们提出了一种模拟放射科医生诊断过程的多模态乳腺肿瘤诊断模型，在在融合多模态特征之前，将动态视频特征在专业放射科医生指导下聚合。在 897 套乳腺超声图像和视频的数据集上进行实验证实，我们的模型提高了良性 / 恶性分类的性能，AUC 达到 90.0%，准确率为 81.7%。

    Aug, 2023

  • 具信息不确定性的超声图像的扩散重建

    借鉴扩散模型的进展，我们提出了一种混合方法以改进超声成像质量，通过适应性去噪扩散恢复模型结合超声物理学和基于学习的方法，并在模拟、离体和体内数据上进行全面的实验，证明其较单一面波输入和现有方法相比实现了高质量的图像重建。

    Oct, 2023

  • 利用 Transformer 改进多模态和纵向数据的乳腺癌分类和风险评估

    通过多模态变压器（MMT）神经网络，综合使用乳腺 X 光摄影和超声波，针对目前患癌患者和目前无癌患者，识别患者及估计未来胸部癌症风险的研究表明，MMT 在检测现有癌症方面取得了 AUROC 值为 0.943 的成绩，并超过了单模态基线，对于 5 年风险预测，MMT 实现了 AUROC 值为 0.826，胜过以往基于乳腺 X 光摄影的风险模型。本研究凸显了多模态和纵向成像在癌症诊断和风险分层中的价值。

    Nov, 2023

  • 实时基于模型的定量超声和雷达

    基于波传播物理模型的神经网络可以在不到一秒钟的时间内针对复杂和现实场景，只使用八个元素的数据，重构多种物理性质，并对雷达和超声信号的有效性进行了验证。

    Feb, 2024

  • ProsDectNet: 桥接前列腺癌检测中的差距通过经直肠 B 模式超声成像

    我们提出了一种多任务深度学习方法 ProsDectNet，用于在 B 超成像中定位前列腺癌，通过最小化熵以改善模型性能，减少误报预测。在 MRI-TRUS 融合针刺活检的 289 名患者中训练和验证 ProsDectNet，然后在另外 41 名患者上进行测试，结果显示 ProsDectNet 在 B 超成像中检测前列腺癌的敏感性为 74％，特异性为 67％。我们的研究表明 ProsDectNet 有潜力用作计算机辅助诊断系统，以改善针刺活检和治疗规划。

    Dec, 2023

  • 超声图像重建的快速采样生成模型

    利用新型采样框架和先进的扩散模型，我们提出了一种从射频数据中重建图像的方法，以加速高质量图像的生成过程。通过实验评估，我们的方法在单平面波条件下胜过了具有 75 个平面波空间相干合成的传统延迟和求和 (DAS) 技术。

    Dec, 2023