Jan, 2024

应用 MtRA-Unet 和形状信息从膝关节 MRI 分割胫股关节组织：来自骨性关节炎计划的数据

PDF
TL;DR该研究提出了一种名为 Multi-Resolution Attentive-Unet (MtRA-Unet) 的自动分割方法，用于 Knee Osteoarthritis 的快速诊断，并通过对磁共振成像 (MRI) 进行分割，得到了优秀的分割效果。
knee osteoarthritissegmentationmrimulti-resolution attentive-unetclinical diagnosis
发现论文，激发创造
  • 关节骨分割用于骨关节炎评估的监督学习、少样本学习和零样本学习方法的比较分析

    利用骨骼形态学分析研究膝关节骨性关节炎疼痛条件的性质，对 6 种语义分割算法进行评估，发现髂骨形态在疼痛加重时会发生显著变化，疼痛缓解时骨形状改变不明显。基于 few-shot learning 的算法 UniverSeg 在髂骨和胫骨的分割中表现出优异的结果，而零样本学习的算法 CP-SAM 对膝关节骨性关节炎疼痛条件的分类准确率达到了 66%。鉴于这些发现，few-shot learning 在语义分割中的有效性以及零样本学习在膝关节骨性关节炎诊断模型的改进潜力得到了强调。

    Mar, 2024

  • Swin UNETR 与统计形状建模的集成用于膝盖的半自动分割和关节软骨的生物力学建模

    本研究通过使用半自动分割算法来增强个体化膝关节有限元（FE）建模，结果表明该分割算法能够有效地创建准确的膝关节有限元模型。

    Sep, 2023

  • 一种使用单个深度学习网络对荧光成像和视频进行图像处理和分割的自动实时方法

    使用深度学习的新方法，能够实时准确地分割全膝关节置换手术图像，并取得了卓越的性能，为进一步的应用提供了可能。

    Jan, 2024

  • 混合样本增强与对抗领域自适应提高基于深度学习的膝关节 MRI 图像分割的鲁棒性

    本文研究如何通过深度学习与正则化技术来在磁共振成像（MRI）数据中分割膝盖关节软骨，并在两个镜头数据集上进行验证，结果显示，在中度改变膝 MRI 数据采集设置时，mixup 和 UDA 方法可能提高其鲁棒性。

    Aug, 2019

  • 3.0T 训练的深度学习分割模型在 0.55T 健康控制者的低场 MRI 上的开箱即用可行性

    评估将深度学习算法应用于 0.55T 与 3.0T 之间的双侧膝关节生物标志物量化的可行性，证明 0.55T 低场 MRI 可以用于评估膝关节软骨厚度和骨分割，尤其在使用已训练 3.0T 的深度学习算法时，其表现与 3.0T 几乎相当。

    Oct, 2023

  • 一种新的自动定位膝关节区域的方法

    本研究旨在开发一种新的计算方法，通过基于解剖学的联合区提案和方向梯度直方图的评估及其预先训练的支持向量机分类器的得分来自动定位关节区域，提高膝关节放射成像的客观性，结果表明该方法适用于大规模分析。

    Jan, 2017

  • 使用视觉 Transformer 对乳腺 MRI 中的纤维腺样组织进行分割 —— 多机构评估

    该研究开发了一种基于 Transformer 的神经网络 TraBS 用于乳腺 MRI 图像的纤维腺细胞组织分割，相比于传统的卷积神经网络 nnUNet，TraBS 的表现更好，这有助于提高乳腺 MRI 筛查中乳腺密度和背景实质增强的精度。

    Apr, 2023

  • 基于 CT 的膝骨性关节炎亚骨小结构分析：通过 MR 引导下的蒸馏学习

    使用易于获取的 CT 图像开发了一种名为 SRRD 的基于蒸馏学习的新型方法，其利用配对的 MR 图像来增强训练过程中的 CT 图像分析模型，成功进行了 MR-CT 图像配准、回归分析和膝关节骨关节炎分类研究，验证了基于 CT 图像的关节软骨下骨微结构分析的可行性。

    Jul, 2023

  • 使用深度学习在 CT 和 MRI 上对软组织肿瘤进行最小交互分割

    我们开发了一种最少交互的基于深度学习的肿瘤分割方法来有效地在 CT 和 MRI 上分割不同类型的软组织肿瘤，具有对之前未见过的表型和成像模式的稳健泛化能力。

    Feb, 2024

  • MRSegmentator: MRI 和 CT 序列中 40 个类别的鲁棒多模态分割

    提出了一个能够在 MRI 扫描中进行多器官分割的深度学习模型，通过解决 MRI 分析中分辨率、标准化强度值和序列可变性的挑战，为当前的 MRI 分析限制提供了解决方案。

    May, 2024