Sep, 2023

关于超声图像切片在点分布模型中的定位

PDF
TL;DR甲状腺疾病的超声诊断中，通过自动定位超声图像切片到三维形状表示，可以减轻医生的认知负担，并为超声诊断提供方便。使用交叉模态配准和统计形状模型，该方法表明可以在患者特异性的三维解剖学和统计形状模型上准确定位图像切片，并为超声采集过程中的切片定位提供有用的工具。
thyroid disordersultrasoundautomated us image slice localization3d shape representationsonographic diagnoses
发现论文，激发创造
  • 利用多视角超声进行个性化甲状腺癌分类的诊断工具

    本研究提出一种个性化诊断工具，该工具利用超声和多视图分类模块来提取脖子部位的特征信息和个性化突出不同部分的最佳视角来评估甲状腺结节，提升诊断效率。实验结果表明，该工具比传统方法更能利用多视图信息，并且获得更好的诊断效果。

    Jul, 2022

  • 基于多视图自监督学习和两阶段预训练的甲状腺超声诊断改进

    用有限的手动标签，通过多视角对比自监督方法以及两级预训练，提高甲状腺结节分类和分割性能，超过了 ImageNet 预训练和最先进的自监督方法。

    Feb, 2024

  • 通过潜在语义特征协同注册进行甲状腺结节的超声图像分割

    提出了一种通过新型共同注册网络实现的甲状腺结节分割框架 ASTN，通过从图谱和目标图像中提取潜在的语义信息，并利用深度特征完成甲状腺超声图像中结节的共同注册，确保解剖结构完整性，并减少不同设备造成的图像整体差异对分割的影响，同时通过提供图谱选择算法缓解共同注册的困难，评估结果表明，我们提出的方法在改善模型推广能力的同时，保持了较高的分割准确度。

    Oct, 2023

  • 反复斟酌：基于特征反馈的临床启发型甲状腺超声病变检测

    本研究提出了一种基于特征反馈机制的新型检测网络，该机制首先粗略观察整体图像，然后专注于感兴趣的细节，并具有反馈特征选择模块和特征反馈金字塔两个部分来提高功能提取以及自适应融合多种特征

    May, 2023

  • 从像素到幻灯片图像：基于表示学习的极化模态病理诊断

    通过图像和结构表示学习，该研究设计了一种三阶段模型来准确区分甲状腺肿瘤，通过颜色编码实现了与血红蛋白和伊红染色相近的效果，同时提供了甲状腺肿瘤的间接诊断技术。

    Jan, 2024

  • 纵向单层腹部计算机断层扫描调和的深度条件生成模型

    通过使用 C-SliceGen 生成预定义的椎体水平切片，从而解决了不同年份获取的切片之间的位置变化导致不同器官 / 组织被捕捉到的问题，并通过评估我们的方法在多个数据集上的能力，证实了我们的方法在减少体腔脂肪面积方面可以协调纵向位置方差，为单片纵向分析提供了一个有希望的方向。

    Sep, 2023

  • 在黑暗中进行形状补全：从 3D 超声中完成脊椎形态学

    通过点云概率深度学习方法对被遮挡的解剖结构进行 3D 形状完整性补全，并应用于基于超声波的脊柱检查，结果表明该方法在合成数据和实际患者数据上表现一致，保留了重要解剖标志和正确位置的关键注射点。

    Apr, 2024

  • 甲状腺结节分割与诊断的形状边缘知识增强网络

    该论文提出了一种形态 - 边缘知识增强网络（SkaNet），用于同时进行甲状腺结节分割和诊断，并通过多任务损失函数和约束惩罚项共同优化，以嵌入形态和边缘特征，并建模甲状腺结节诊断结果与分割蒙版之间的关系。

    Aug, 2023

  • 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

  • 使用简单临床标注的非对称学习进行超声结节分割

    本研究提出了一种基于简单的长宽比批注的自动结节分割方法，并通过扩展长宽比批注标签，采用两种类型的伪标签训练两个不对称分割网络，结合保守和激进标签采用一种平衡策略，同时引入了一种动态混合伪标签监督模块以解决过分割和欠分割问题。此外，为了进一步利用临床批注提供的空间先验知识，本研究还提出了一种新的损失函数，即临床解剖先验损失。在甲状腺和乳房的两个临床采集的超声数据集上的广泛实验表明，我们提出的方法的性能优于其他方法，甚至可以实现与使用真实批注的全监督方法相当甚至更好的性能。

    Apr, 2024