Mar, 2024

ProMamba：针对息肉分割的提示 - Mamba

PDF
TL;DR基于 Prompt-Mamba 构建的分割模型在结直肠镜检查过程中检测息肉是一项重要任务，此模型基于最新的 Vision-Mamba 和 prompt 技术，对各种形状和颜色的息肉进行准确分割，并展现出优越的泛化能力和超越过去最先进方法的高分割准确度。
发现论文，激发创造
  • 一项基于计算机视觉挑战的深度学习息肉检测和分割方法通用性评估

    本研究使用机器学习技术对多中心和多人群结肠镜图像中出现的息肉进行检测和分割，并分析了表现最好的团队的结果，发现准确性高于即时性能，并提出了需要提高模型泛化性来应对多中心数据集中的多样性的观点。

    Feb, 2022

  • 逐步特征融合：局部指导全局

    本文介绍了一种用于医学图像分割的新型深度学习模型 SSFormer，该模型使用了金字塔 Transformer 编码器来改进模型的泛化能力，提高了模型的学习和推广表现。

    Mar, 2022

  • 使用深度学习在结肠镜检查中实时进行息肉检测、定位和分割

    本研究旨在通过使用 Kvasir-SEG 数据集对几种先进方法进行基准测试，评估其在结肠镜疾病检测、定位和分割方面的性能，并显示所提出的 ColonSegNet 方法在精度、速度和分割任务方面均表现优异，其表现足以证明进行自动化实时息肉鉴别和划线的必要性。

    Nov, 2020

  • 使用全卷积网络进行结肠镜图像中息肉分割

    本文提出了一种基于卷积神经网络的息肉分割方法，通过训练时的图像块选择和测试时的有效后处理，相较于先前的结肠镜视频分割方法更具准确性。

    Feb, 2018

  • 深度学习在息肉分割方面的调查：技术、挑战和未来趋势

    早期检测和评估息肉在结直肠癌的预防和治疗中起着至关重要的作用。本文综述了息肉分割算法，包括传统算法和基于深度学习网络的算法，详细介绍了相关基准数据集及对最近的深度学习模型进行的全面评估，最后讨论了该领域的挑战和未来趋势。

    Nov, 2023

  • Polyp-SAM: 基于 Transfer Learning 的息肉分割模型

    本研究提出了基于 Segment Anything Model (SAM) 的调优模型 Poly-SAM 用于结肠息肉图像的分割，相比已有方法，该模型在结肠息肉分割方面具有优越的性能，集成了两种迁移学习策略的 SAM 模型也能很好地适用于医学图像分割任务，模型代码和权重已开放。

    Apr, 2023

  • SAM 能否对息肉进行分段？

    本文使用 Meta AI Research 最近发布的 SAM 模型在医学成像领域的一个关键任务 —— 息肉分割中进行了性能评估，旨在为该领域的发展提供启示，并推动未来更多有趣的工作。

    Apr, 2023

  • 多尺度信息共享和选择网络结合边界注意力用于息肉分割

    通过多尺度信息共享和选择网络 (MISNet) 解决结直肠镜图像中息肉分割的问题，提高分割结果的准确性和清晰度。

    May, 2024

  • 通过 Medico 2020 息肉分割和 MedAI 2021 透明度挑战对结肠镜中息肉和器械分割方法进行客观验证

    自动分析结肠镜图像是一项活跃的研究领域，该研究受到早期检测癌前息肉重要性的驱动。深度学习作为有望解决该挑战的一种方法，可以帮助结肠镜检医生实时发现和分类被忽视的息肉和异常。为了推动高效透明方法的发展，我们组织了两个竞赛，针对医学自动息肉分割和医学图像分割透明度。通过综合分析这些挑战，我们不仅突出了息肉和手术工具分割的进展，还鼓励定性评估，以构建更透明、可理解的基于人工智能的结肠镜系统。

    Jul, 2023

  • 使用合成数据的自监督和半监督息肉分割

    通过使用计算机视觉技术和合成数据，提出了一种用于结肠息肉分割的模型，该模型在自监督和半监督设置中达到了最先进的结果。

    Jul, 2023