Nov, 2023

使用弱监督实例分割来定量单免疫染色心肌切片中的心脏毛细血管化

HTML
PDF
TL;DR使用AutoQC图像分析工具，我们开发了一种自动识别和分割心肌细胞与毛细血管的方法，并通过对胶原IV型的免疫荧光图像进行测量，提供了一种自动化的心肌毛细血管定量分析解决方案。
发现论文，激发创造
  • 使用三维心血管免疫荧光图像中的点注释进行弱监督的深度个体细胞核检测

    本研究旨在开发一种自动计数血管壁动脉粥样硬化斑块细胞的方法，并使用弱监督学习方法训练HoVer-Net模型来检测荧光图像中的细胞核，并使用熵最小化损失函数来提高该模型在周围未标记区域的预测置信度。

    Jul, 2022

  • 数字组织学图像中心肌炎炎症浸润的自动识别及定量化以诊断心肌炎

    该研究旨在开发一种新的计算病理学方法，自动识别和量化数字HE染色图像中的心肌炎性浸润，以提供心肌炎的定量组织学诊断。

    Jul, 2023

  • 基于标签高效的对比学习模型的三维心血管免疫荧光图像核的检测与分类

    我们提出了一种基于可标注效率的对比学习模型（LECL），用于在3D免疫荧光图像中检测和分类各种类型的细胞核，该方法克服了使用点注释进行训练时的困境，并采用扩展的最大强度投影方法解决了多个z堆叠帧引起的问题。我们在心血管数据集上进行了实验，并发现我们的框架在检测和分类3D免疫荧光图像中的各种细胞核方面是有效且高效的。

    Sep, 2023

  • UniLVSeg：通过自监督时序遮罩和弱监督训练实现左室超声心动图视频的统一分割

    该研究提出了一种新颖的方法，通过自监督学习和弱监督训练，在稀疏注释的超声心动图视频中实现了一致的左心室分割，相比最先进的解决方案，在效率更高的同时，取得了93.32%的Dice得分，并通过包含未标记帧在训练过程中实现高数据效用。

    Sep, 2023

  • 基于深度学习的数字乳腺癌免疫组织化学图像精确自动化量化的实例分割

    使用基于深度学习的实例分割体系结构的自动量化方法，成功地将细胞核和膜生物标记物应用于免疫组化染色的胸部肿瘤图像，并集成到开发的网络平台中，作为病理学家的决策支持工具。

    Nov, 2023

  • 甲床毛细血管分析的综合数据集和自动化处理流程

    通过构建一个包含321张图像、219个视频、68个临床报告和专家注释的综合数据集，本研究在自动检测和测量不同形态和动态特征方面提出了一个端到端的指甲周状管分析流程，并展示了亚像素测量精度和90%的异常预测准确率，从而为推动定量医疗研究和促进医疗行业的普遍计算发展提供了潜力。我们将开源代码和数据分享，以促进计算医学图像分析的革命性进展。

    Dec, 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

  • 机器人辅助心血管导管插管中多侧分支解码弱监督学习的导丝分割

    通过多侧面伪标记的弱监督学习方法，提供便宜且实时的方法，用于机器辅助下心脏导管介入手术中的工具分割和追踪。

    Apr, 2024

  • Feature-prompting GBMSeg: 一次参考引导无需训练的基底膜分割的提示工程

    本研究介绍了一种称为GBMSeg的训练free框架，旨在通过一次标注的参考图像来自动分割透射电子显微镜中的肾小球基底膜(GBM)，实验结果表明GBMSeg在2538个图像上达到了优于其他方法的87.27%的Dice相似系数(DSC)的分割性能，该框架还有潜力在医学图像中自动进行基础分割模型的提醒，未来的工作包括自动测量分割的GBM厚度和量化病理指标，对于提升临床应用中的病理学评估具有重要潜力。

    Jun, 2024