Nov, 2023

介绍NCL-SM：一套来自人类骨骼肌肉活检图像的完全注释数据集

HTML
PDF
TL;DR通过训练机器学习模型，本研究提供了一套高质量的生物成像数据集，其中包含了来自健康对照组和患有遗传性肌肉病的患者的46个组织切片图像。这些图像包括超过5万个手动分割的肌肉纤维，并且经过了精细的标注和筛选，为进一步的分析提供了完全可用的数据，为自动化管道的开发奠定了基础。
发现论文，激发创造
  • 一种数据高效的深度学习框架，用于组织病理学图像的分割和分类

    该论文中介绍了一种利用深度学习方法对人体组织进行皮肤肌炎活检的细胞自动分类和分割的方法，在细胞分类和分割方面的表现均有所提升，该方法对研究自身免疫性疾病的细胞组成有着可靠的应用前景。

    Jul, 2022

  • MSKdeX：从 X 光图像中进行肌肉骨骼分解，精细估计瘦体肌肉量和肌肉体积

    提出了一种被称为MSKdeX的算法，可以通过肌肉骨骼分解库，将X射线图像分解为肌肉CT图像的投影并估算肌肉性质参数，该方法在539个患者的数据集上测试表现良好（平均皮尔森相关系数从0.46提高到0.863），对于肌肉骨骼疾病的诊断有很大的应用前景。

    May, 2023

  • 基于物理学的加速扩散加权 MRI 推断骨骼肌微结构

    提出了一种基于物理和机器学习的框架，采用扩散加权MRI对骨骼肌进行非侵入性评估，从而准确地估计微结构组织。该算法可用于评估骨骼肌健康和功能，有望成为一种有前途的非侵入性工具。

    Jun, 2023

  • 肌肉体积量化：以解剖先验指导变形器

    运用卷积和可视化变换器块的混合架构进行肌肉分割，利用解剖先验规则加强预测性能，并对18个下肢肌肉进行形态分析。

    Oct, 2023

  • NCL-SM: 人体骨骼肌活检图像的完整标注数据集

    通过训练机器学习模型，在医学领域中发布高质量生物成像数据集NCL-SM，其中包含人体骨骼肌组织横截面的图像和手动分割的肌纤维，为自动化、准确和可重复的肌纤维分割奠定了基础。

    Nov, 2023

  • 基于深度神经网络的心肌Z轴分割

    这项研究使用深度学习基于分割模型来从肌肉组织显微镜图像中提取Z-盘，证明了自动化机器学习分割方法可有效应用于分割Z-盘的共聚焦显微镜图像，并可用于量化与心脏微结构有关的疾病相关变化。

    Jan, 2024

  • 推动细胞分割模型在成像质谱细胞学中的极限

    通过去除细胞注释中的 50% ，学习性的分割模型表现的结果只比完整的标签相应的模型降低了DSC指标，表明可以至少减少一半的注释时间而不影响性能，并且单一组织模型与多组织模型在新颖组织类型上的性能差异微乎其微，并且通过多次增加最差性能模型的训练可以提高其性能。

    Feb, 2024

  • 医学图像解剖分割的SAM少样本微调

    我们提出了一种简单而高效的少样本微调策略，用于将Segment Anything（SAM）适应于医学图像中的解剖分割任务。我们的方法通过在SAM内对掩膜解码器进行改进，利用从有限标记图像集合（少样本收集）中导出的少样本嵌入作为查询解剖对象的提示，大大减少了需要耗时的在线用户交互。我们的方法通过只使用缓存机制训练掩膜解码器、同时保持图像编码器冻结，优先考虑了微调过程的效率。此方法不仅限于体积医学图像，而且可以普遍应用于任何2D／3D分割任务。通过对四个数据集进行全面验证，覆盖了两种模态下六个解剖分割任务。此外，我们对SAM内的不同提示选项与完全监督的nnU-Net进行了比较分析。结果表明，与仅使用点提示的SAM相比，我们的方法表现卓越（IoU提高约50%），并且与完全监督方法相媲美，同时将标记数据需求降低了至少一个数量级。

    Jul, 2024

  • 细胞实例分割与分类方法CISCA及新开放的Nissl染色脑构筑数据集

    本研究解决了显微组织图像中细胞分辨与分类的复杂问题，提出了一种新型深度学习框架CISCA，旨在支持数字病理学与脑细胞构筑的深入分析。CISCA通过独特的网络架构实现对细胞的自动分割和分类，验证显示其在多样化组织类型中的出色表现，极大推动了研究的精确性与效率。

    Sep, 2024

  • 基于DAFS Express在L3椎体水平的2D MRI切片进行自动化身体成分分析

    本研究针对手动分割MRI图像在身体成分分析中的劳动密集型问题，提出了一种自动化工具DAFS Express，并通过与专家手动分割的对比验证其有效性。研究结果表明，DAFS Express在SKM、VAT和SAT的自动分割中与手动分割具有高度一致性，显示其在研究和临床应用中提高影像分析效率和准确性的重要潜力。

    Sep, 2024