Dec, 2023

超声图像中的运动感知针头分割

PDF
TL;DR本文提出了一种通过将经典的 Kalman Filter (KF) 技术与数据驱动学习相结合的新方法来进行针头分割，旨在改进超声图像中的针头分割，提出的方法在常用的编码器 - 解码器结构中无缝集成，并利用基于卷积神经网络 (CNN) 的 KF-inspired 模块显著优于最近的先进针头分割模型，成功实现像素级针尖误差减少了 15% 和长度误差减少了 8% 的结果。
needle segmentationultrasound imagesconvolutional neural networkskalman filterlearnable filter
发现论文，激发创造
  • 使用卷积神经网络从运动数据评估外科技能

    本文通过设计一种卷积神经网络 (CNN) 来自动评估机器人手术中的外科医生技能，经过我们提出的方法在 JIGSAWS 数据集上得到了非常有竞争力的结果，并通过类激活图来解释各分类并提供个性化反馈

    Jun, 2018

  • 超声中的隐形针探测：利用机构引起的振动

    通过将 Eulerian Video Magnification 技术与 VibNet 框架结合，利用外部步进电机引起针的微弱振动，本论文提出了一种增强超声图像中针检测的鲁棒性和准确性的学习框架，实现了超声引导下针的鲁棒和精确检测。

    Mar, 2024

  • 超声弹性成像中光流卷积神经网络的半监督训练

    本研究提出了一种无监督微调方法，利用大量未标记的数据集对 CNN 光流网络微调，在超声弹性成像中的应用，可以在降低计算机视觉数据库训练的网络生成的伪影的同时，显着提高网络性能。

    Jul, 2020

  • 利用运动线索进行弱监督语义分割

    利用视频级弱标注来学习包含运动线索的全卷积神经网络（motion-CNN）可有效解决图像分割任务中目标大小的约束问题，其表现优于 EM-Adapt，且只用 150 个视频标注便可达到其他弱监督方法上千张图像的性能，并在视频共定位任务上胜过最近的方法。

    Mar, 2016

  • 使用深度学习进行交互式医学图像分割，并采用特定于图像的微调方法

    本文提出一个新的基于深度学习的交互分割框架，该框架将卷积神经网络（CNN）引入到边界框和涂鸦分割管道中，并提出了图像特定的微调和考虑网络和交互不确定性的加权损失函数来提高 CNN 模型的性能，实验结果表明我们的方法比现有的 CNN 方法更鲁棒，并能够在更少的用户交互和更短的时间内获得准确的分割结果。

    Oct, 2017

  • 学习卷积神经网络用于非均匀运动模糊去除

    本文提出一种基于深度学习和马尔可夫随机场的方法，旨在从单一模糊图像中估计和去除非均匀运动模糊，并通过实验评估表明其能有效地处理不受先前方法处理的复杂非均匀运动模糊。

    Mar, 2015

  • 无监督卷积神经网络用于运动估计

    本文提出了一种基于深度学习的直接运动估计方法，在缺乏大规模数据集的情况下，采用无监督学习的方式训练网络，使用光流约束作为优化代价函数，通过反向传播算法进行误差传递以优化网络，实验证明该方法在合成图像与实际图像序列中的表现都接近于当今最先进的方法。

    Jan, 2016

  • 全卷积神经网络用于人群分割

    本研究提出了一种快速卷积神经网络 (FCNN)，并使用多阶段的深度学习来整合外观和动态线索进行人群分割，成功使用我们自己创建的具有 235 和 11 个场景的人群分割数据集对我们的方法进行了评估。

    Nov, 2014

  • 基于 CNN 的医学图像分割

    通过使用三维卷积神经网络结构以及针对标注数据稀少、标注实例失衡和三维医学图像处理困难等问题进行改进与优化，本论文应用于医学图像分割领域，实现了在手部和脑部 MRI 图像上的分割与验证。

    Jan, 2017

  • 基于光学成像和人工智能的医疗针尖追踪

    本研究提出了一种用于增强针尖插入指导的创新技术，基于散射成像和卷积神经网络，实现了针尖位置和方向的实时估计，通过实验证实了在股动脉插管过程中准确引导针头的潜力。

    Aug, 2023