Mar, 2024

骨架引导下的气道分割

PDF
TL;DR通过引入骨架级注释（SkA）和几何感知双路径传播框架（GDP），我们提出了一种准确的气道分割方法，它简化了注释流程，提高了注释一致性和准确性，并保留了完整的拓扑结构。实验证明，我们的方法优于其他使用 SKA 的竞争方法，并且与完全监督的基准模型具有可比较的性能，这为实现对其他管状结构（如血管）的高效标记提供了显著的潜力。
fully-supervised airway segmentationskeleton-level annotationlabel-efficient solutionsskeleton-supervised learning frameworkgeometry-aware dual-path propagation framework
发现论文，激发创造
  • 基于解剖多类别分割和拓扑导向迭代学习的 CT 扫描精确气道分割

    本文提出了一种基于解剖学感知的多类气道分割方法，通过拓扑引导的自学习方法和断裂注意力图生成伪标签，能够完整地分割气道树，适用于慢性阻塞性肺疾病、哮喘和肺癌等呼吸系统疾病的分析。

    Jun, 2023

  • 基于数据的深度学习方法的气道分割

    通过数据中心的深度学习技术和集成学习策略，我们的方法在空气道分割任务中表现出色，突显了空气道树异常、诊断和疾病特征化的重要性。

    Jul, 2023

  • 利用解剖学知识捕捉时间依赖关系的视频纤支镜气道标签预测

    本文提出了一种仅利用支气管镜视屏数据来实现导航引导的方法，通过 CNN 对气道分割进行单帧分类并采用基于状态转移的 HMM 模型应用解剖学约束和时间上文本信息对支气管树进行定位，能够在无需电磁跟踪和 CT 扫描的情况下，实现对支气管镜操作的视觉引导。

    Jul, 2023

  • 正交标注获益于几乎无监督的医学图像分割

    提出了一种利用正交标注和稠密 - 稀疏共训练的半监督学习方法来应对 3D 医学图像分割中的标注问题。实验结果表明，该方法在表现和效率上都具有较高的水平。

    Mar, 2023

  • 通过 3D 和 2D 网络之间的互相教学进行稀疏注释的 3D 医学图像分割

    通过 3D 和 2D 网络的交叉教学，我们提出了一种从稀疏注释中稳健学习的框架，采用硬 - 软置信度阈值和一致标签融合两种伪标签选择策略，实验证明我们的方法优于半监督分割方法的最先进成果，并且与全监督的上限结果相媲美。

    Jul, 2023

  • 使用提示进行医学图像分割

    本文提出了一种利用图像级标签来促进分割的双 U 形两阶段框架，通过预训练分类网络获取层次金字塔特征并引导下游分支的学习，在像素级标签的监督学习下，通过短跳和长跳将从分类分支获得的层次特征输入到下游分支中，并得到病变掩模，实验证明我们的框架相比只使用像素级标注的网络取得了更好的结果。

    Jun, 2024

  • 向机器监督的转变：高效注释的自监督学习用于自动医学图像分割和分类

    自我监督学习和半监督学习在医学影像领域的新进展，通过 S4MI（自我监督和半监督医学影像）管道，使用 10% 标签注释的自我监督学习在大多数数据集的分类任务上表现优于 100% 标签注释，而使用 50% 标签数较少的半监督方法在三个数据集的分割任务上表现更好。

    Nov, 2023

  • 利用基础模型进行无监督音频 - 视觉分割

    语音 - 视觉分割（AVS）通过像素级精确在视觉场景中描绘可听到的对象。我们提出了一种新的跨模态语义过滤（CMSF）方法，以解决这个问题，并利用现成的多模态基础模型来准确地关联潜在的音频 - 掩码对。我们的无监督方法在复杂情景中的多个听觉对象上表现优异，特别是在现有监督 AVS 方法在重叠前景对象方面表现困难的情况下，仍能准确地分割重叠的听觉对象。

    Sep, 2023

  • 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

  • NaviAirway：基于深度学习的支气管敏感性气道分割流水线

    提出了一种用于医学图像分析中，基于深度学习的肺气道分割方法 NaviAirway，该方法采取了支气管特异性损失函数和人视感迭代训练策略，细分支气管，提升模型性能，可用于支气管镜导航、肺部疾病诊断等领域，并通过提出两个新的评价指标，更全面公正地评估基于深度学习的肺气道分割方法。

    Mar, 2022