Feb, 2024

使用 YOLO v7 在磁共振成像中检测肾脏：一种有监督对比学习

PDF
TL;DR通过使用最新的 You Only Look Once (YOLO V7) 目标检测方法，该研究针对医学图像格式上的肾脏检测进行了训练和测试，通过在 878 名患有各种亚型的肾细胞癌（RCC）和 206 名正常肾脏患者中检索了 1084 名患者的 5657 张 MRI 扫描，观察最终模型的肯定预测值（PPV）、敏感性和平均精确度 (mAP)。
you only look onceyolo v7kidney detectionmedical imagingrenal cell carcinoma
发现论文，激发创造
  • MedYOLO：一种医学图像目标检测框架

    人工智能、医学影像、卷积神经网络、目标检测、MedYOLO

    Dec, 2023

  • 基于 YOLO 的肾脏 H&E 和 PAS 图像中肾小球检测的研究

    该研究使用 YOLO-v4 模型在人类肾脏图像中实现了自动肾小球检测，并评估了不同染色条件下的性能，展示了现代人工智能模型在数字病理学图像分析中的潜力。

    Jul, 2023

  • 利用物体检测技术实现肺癌识别

    本研究探讨了目标检测特别是 YOLOv5 在医学影像中的应用，通过训练模型检测病理性肺病变，实现早期肺癌的诊断，结果表明该模型在识别病变和计算效率方面表现良好，有望在临床中应用辅助影像医师的早期检测。

    May, 2023

  • MUVF-YOLOX: 用于肾肿瘤诊断的多模态超声视频融合网络

    本文旨在将 B 模式和 CEUS 模式超声视频相结合，提出一种新的多模式超声视频融合网络，用于肾肿瘤的检测和分类，并在多中心数据集上进行了实验验证。实验结果表明，该方法优于竞争方法并提高了肿瘤诊断的准确率。

    Jul, 2023

  • 儿童腕部外伤 X 射线图像的 YOLOv9 骨折检测

    该研究将 YOLOv9 算法模型应用于骨折检测任务，以帮助放射科医师和外科医生解释 X 射线图像，实验证明 YOLOv9 模型在性能上比当前最先进模型提高了 3.7%。

    Mar, 2024

  • 使用卷积神经网络自动分割非增强 CT 上的肾脏和囊性肾病变

    实施和训练深度学习模型以从非对比度 CT 扫描中分割肾脏和囊性肾病变，该模型能够提供高度准确的分割，肾脏的中值 Dice 相似系数为 0.934。

    May, 2024

  • 个性化肾细胞癌预后的多模态深度学习：CT 影像与临床数据的整合

    通过结合 CT 成像和临床数据，该研究旨在设计一个全面的深度学习模型，能够预测肾细胞癌患者的存活概率，解决之前研究中存在的局限性，以便识别需要紧急治疗的患者。

    Jul, 2023

  • 现实主义行动：使用 YOLOv8 和 DeiT 对医学图像中的脑瘤进行异常感知诊断

    利用深度学习技术在医学影像领域可靠地检测和分类脑肿瘤是一项重要挑战，本研究通过对稀有病例的异常检测和分类，采用 YOLOv8n 检测模型和 Vision Transformer 模型，在实际医学影像场景中取得了有竞争力的结果。

    Jan, 2024

  • 基于 YOLO 和 Faster R-CNN 的超声影像胆囊癌检测

    通过将 YOLO 和 Faster R-CNN 算法融合应用于超声图像中，本研究旨在选择更精确的包围盒以提高胆囊癌分类，实验证明该方法在分类性能上表现优越，准确率达到 92.62%，而仅使用 Faster R-CNN 和 YOLOv8 的准确率分别为 90.16% 和 82.79%。

    Apr, 2024

  • 胸腹部 CT 扫描中的肾脏异常分割

    使用深度学习方法，我们提出了一种肾脏实质和肾脏异常的分割方法，以帮助临床医生识别和量化肾脏异常，如囊肿、病变、肿块、转移和原发肿瘤。我们的方法通过训练 215 例胸腹部增强 CT 扫描，其中一半扫描含有一个或多个异常，实现了肾脏异常的准确分割和肾脏实质的改进分割。最佳模型的 Dice 分数在测试集中表现优异，超过了独立人眼观察者的分数，表明计算机化方法在肾脏异常分割中有进一步改进的潜力。

    Sep, 2023