Feb, 2024

SPINEPS - 使用两阶段方法进行多类语义和实例分割的 T2 加权 MR 图像的自动全脊柱分割

PDF
TL;DRSPINEPS 是一种开源的深度学习方法，用于对 14 个脊柱结构（包括十个椎骨亚结构、椎间盘、脊髓、脊柱管和骶骨）在全身 T2w MRI 中进行语义和实例分割。
spinepssemantic segmentationinstance segmentationspinal structurest2w mri
发现论文，激发创造
  • MR 图像中腰椎分割：数据集和公共基准

    本文介绍了一个公开的包含多个研究中心的腰椎磁共振成像（MRI）数据集，其中包括底部疼痛病史的 218 名患者的 447 个 MRI 系列，并使用迭代数据标注方法训练了一个分割算法，该算法提供了基准算法和相似的 nnU-Net 引擎性能基准，并且可以用于比较不同的分割算法的公正性连续分割挑战。

    Jun, 2023

  • VertDetect: 全自动三维椎体实例分割模型

    本文提出了一种全自动的端到端三维椎体实例分割卷积神经网络模型 VertDetect，用于预测 CT 扫描中存在的所有椎体的椎体级别标签和分割，并通过使用脊柱的已知结构改善了椎体标注，取得了端到端架构的最先进性能，其设计可用于下游任务的特征提取。

    Nov, 2023

  • 脊髓神经根束的自动分割

    使用卷积神经网络的自动方法对 T2 加权磁共振成像扫描得到的脊神经根进行语义分割，证明了该方法在 MRI 供应商、场地和会话之间具有稳定的预测能力。

    Feb, 2024

  • SymTC：脊椎 MRI 实例分割的共生 Transformer-CNN 网络

    本研究提出了 SymTC，一种融合 Transformer 和卷积神经网络（CNN）的创新腰椎 MR 图像分割模型，该模型以更高效的图像分割方式辅助临床医生进行腰椎 MR 图像的诊断和评估，实验证明 SymTC 在分割腰椎骨和椎间盘方面具有最佳性能。

    Jan, 2024

  • 运用人工智能对 T2 磁共振成像中的腰椎肿瘤进行分割和定位

    通过引入一种新的数据增强技术，本研究旨在自动化脊柱肿瘤的分割和定位，利用医学影像中专家绘制的预定义掩模，结合模糊 c 均值聚类和随机森林算法的融合，实现了成功的脊柱肿瘤分割和分类，同时使用 3D 椎体分割和标注技术精确定位了腰椎肿瘤的确切位置。该方法表现出卓越的性能，获得了 99% 的肿瘤分割准确率、98% 的肿瘤分类准确率和 99% 的肿瘤定位准确率，超过了现有最先进技术的有效性，改进了脊柱肿瘤的检测和表征诊断能力，从而促进了更有效的临床决策。

    May, 2024

  • 基于修改注意力 Unet 的腰椎全景分割与标记

    基于改进的注意力 U-Net 架构的增强方法用于腰椎 3D 切片 MRI 数据的全景分割来实现 99.5% 的准确率

    Apr, 2024

  • 基于去噪扩散的 MR 到 CT 图像转换使 2D 和 3D 全脊椎椎骨分割无需手动标注

    通过自动分割脊柱 MR 图像，实现基于图像注册的配对数据翻译，并提供解剖正确的分割结果。

    Aug, 2023

  • 使用深度图像到图像网络，结合信息传递和稀疏正则化方法，在大规模三维 CT 中自动标记椎骨

    本研究提出一种自动定位和标记三维医学图像中椎体中心的算法，使用 DI2IN 进行初始化，使用基于消息传递方案的聚类方法和稀疏性约束进行迭代演进，最终使用稀疏性正则化进行结果优化。该算法在多个病理学数据集上表现出良好的性能。

    May, 2017

  • 面向不受对比度影响的软脊髓分割

    使用深度学习方法生成软分割的脊髓分割模型，减少 MRI 对比度引起的脊髓横截面积变异性，泛化性能优于现有的对比度特定方法，并考虑到体积模糊效应。

    Oct, 2023

  • 迭代切片传播的脊椎体弱监督分割

    通过仅使用单个矢状切片上的四个角点标注，本研究提出了一种弱监督迭代脊柱分割方法（WISS），用于从 CT 图像中自动完成椎体的体积分割，既节省了标注成本，也在绝大部分情况下仅稍微牺牲了分割性能。

    Feb, 2024