Oct, 2023

使用深度学习的超宽带微波出血检测和定位实验系统

PDF
TL;DR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。
strokebrain imagingmicrowave imagingdeep learningultra-wideband
发现论文，激发创造
  • 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

  • RF-ULM：射频超声定位显微镜的深度学习

    采用超分辨率深度神经网络和几何点变换的射频超声成像技术在定位过程中发现有巨大潜力，可以有效地提高精度和复杂性，弥合了合成和真实数据集之间的领域差距。

    Oct, 2023

  • 脑血流动力学信号监测中的卒中预测和诊断模型

    使用机器学习技术基于血流动力学数据开发的模型能够在 30 分钟内诊断卒中亚型，在前 3 小时内预测死亡，并在短短的 15 分钟内预测卒中复发。

    May, 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

    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。

    Jun, 2023

  • 从射频数据学习超分辨率超声定位显微镜

    通过将未经处理的射频数据输入到超分辨率网络中，本文提出了绕过 DAS 波束成形及其限制的方法，以提高超声定位显微镜（ULM）的分辨率性能。通过对公开数据集的评估，我们的结果表明，排除 DAS 波束成形具有优化 ULM 分辨率性能的巨大潜力。

    Nov, 2023

  • 改进毫米波成像系统的新型混合学习算法

    介绍了新型混合学习算法，用于改进毫米波成像系统，应用于感知和传感的各种问题领域。

    Jun, 2023

  • 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

  • RADNET: 基于深度学习的 CT 扫描出血检测，达到放射科医师水平的准确性

    文章使用 RADnet 模型进行自动化脑出血检测，与三位资深放射科医师所作的独立分析相比，RADnet 在 CT 水平上展现了相当的出血预测准确性，并且在召回方面高于两位医师，实现了 3D 上下文的加入，检测性能非常优越。

    Oct, 2017

  • 基于 UWB 波形的半监督学习方法用于测距误差补偿

    本文提出了一种基于变分贝叶斯的半监督深度学习方法，用于 UWB 定位系统的误差校正，通过融合深度学习技术和统计工具，实现从有标记和未标记的数据样本中高效地累积知识，相较于其他全监督方法，即使在低监督比例下，也取得了更好的性能。

    May, 2023

  • 基于深度 GEM 网络的弱监督 UWB 距离误差缓解

    本文提出了一种基于弱监督的学习框架，采用基于广义期望最大化（GEM）算法的深度学习方法，在弱监督标签的先验信息下对超宽带（UWB）测距误差进行鲁棒处理，实现了从原始数据中利用高语义特征的性能改进。

    May, 2023