Nov, 2023

用于图像分析的遮蔽条件扩散模型及其在婴幼儿滥用放射性诊断中的应用

HTML
PDF
TL;DR提出了一种用于数据增强的新型生成模型，可以生成真实且多样的带有CML的远端胫骨X射线图像，并生成其相关的分割标签，改善了ResNet-34在分类正常X射线图像和带有CML的图像方面的性能，并提高了U-Net在标注CML区域的性能。
发现论文，激发创造
  • 将预训练的视觉语言基础模型应用于医学图像领域

    本研究旨在将大型预训练基础模型的表现能力扩展到特定的医疗概念中，通过研究Stable Diffusion模型的子组件，进而生成医学影像，并通过定量和定性的方法对模型效果进行评估。

    Oct, 2022

  • 弱监督医学图像分割的条件扩散模型

    本研究利用条件性传播模型中的类别信息来获取仅基于图像级注释的目标对象预测掩码，并且超越了先前的方法在两个公共医学图像分割数据集上的表现。

    Jun, 2023

  • 基于掩码条件扩散的模态循环用于MRI无监督异常分割

    该研究介绍了一种名为Masked Modality Cycles with Conditional Diffusion (MMCCD)的方法，用于在多模式MRI中分割异常区域，通过结合循环模态转换和掩码条件扩散模型，实现了对训练过程中未遇到的组织和图像样式的异常检测。该方法在医学图像领域具有重要的应用价值。

    Aug, 2023

  • 通过扩散模型合成糖尿病足溃疡图像

    研究利用扩散模型合成糖尿病足溃疡图像，通过专业临床医生评估验证其真实性，并探讨评估指标与医生评估的一致性，结果表明扩散模型成功地合成了难以区分的糖尿病足溃疡图像，并强调了其在医学培训和伤口检测与分类研究中的潜力。

    Oct, 2023

  • SSL-DG: 对医疗图像分割中的半监督学习和领域泛化进行反思和融合

    通过联合使用半监督学习与领域泛化方法，提出了SSL-DG，实现了在有限标注数据下的跨域泛化效果，并在两个具有挑战性的领域泛化任务中显著优于现有方法。

    Nov, 2023

  • 基于评分的表面冷扩散模型用于医学图像分割

    本研究提出了一种基于条件得分的生成建模框架，用于医学图像分割，该框架依赖于分割掩模的参数化表面表示。实验结果表明，与其他常用的图像分割模型相比，我们的模型在分割准确度方面表现出色，并且由于其生成性质，还能够估计分割的不确定性以进行进一步的分析。

    Dec, 2023

  • 简化超声医学图像分割的视觉上下文学习与遮罩图像模型结合的简单框架

    新的简单视觉上下文学习（ICL）方法SimICL结合被设计用于自监督学习的屏蔽图像建模（MIM）对配对图像进行视觉ICL，成功地在具有有限注释的腕部超声数据集上验证，对于骨骼结构分割取得了非常高的Dice系数（DC）和Jaccard指数（IoU），并能减少图像标注需要的人工专家时间，提高超声图像分析中人工智能辅助的实际应用。

    Feb, 2024

  • 基于分割引导的膝关节X射线图像生成，使用条件扩散模型

    使用条件扩散模型从轮廓和骨骼分割生成膝关节X射线照片，并展示了条件采样和条件训练两种方法能够生成逼真的图像，并且条件训练方法表现优于条件采样方法和传统的U-Net模型。

    Apr, 2024

  • 利用深度学习进行糖尿病足溃疡图像的伤口组织分割：一项初步研究

    为了解决糖尿病足溃疡（DFU）图像中组织分割的挑战，作者创建了一个名为DFUTissue的数据集，其中包含由伤口专家标记的110张图像和600张未标记的图像。作者提出了一个混合模型，采用了深度学习方法，并结合了半监督学习的方法进行DFU伤口组织的分割。通过与现有方法的比较评估，该模型在DFU伤口区域的二值分割中取得了92.99%的Dice相似系数。

    Jun, 2024

  • 从少数样本学习：对有限数据集的儿科腕部病理识别的细粒度方法

    本研究针对儿科腕部病理识别中的诊断挑战，提出了一种细粒度的方法，旨在自动识别X光影像中的重要区域，减少人工干预。通过使用Grad-CAM技术，我们的方法在有限的数据集上表现出色，显著提高了识别准确率和骨折敏感性，展现了在实际医疗应用中的潜在影响。

    Aug, 2024