3d medical image segmentation | BriefGPT

关键词3d medical image segmentation

搜索结果 - 25

基于拓扑和空间感知的遮蔽自编码器的自预训练用于 3D 医学图像分割
我们提出了一种扩展的 Masked Autoencoders (MAEs) 方法，用于自我预训练 3D 医学图像分割任务，通过引入新的拓扑损失、预测 3D 裁剪区域的位置以及与 Vision Transformers (ViTs) 同时进行
PDF19 days ago
缓解不合理身体区域的虚假预测
本文提出了一种用于 3D 医学图像分割的深度学习模型，通过使用限制视野范围的训练数据和针对不可能的身体区域的惩罚预测方法，有效解决了跨不同图像分布的泛化问题，显著提高了肿瘤预测的准确率和整体分割性能。
PDF2 months ago
CVPRSegFormer3D: 3D 医学图像分割的高效 Transformer
SegFormer3D 是一种记忆高效的分层 Transformer，在 3D 医学图像分割中拥有比当前最先进模型更少的参数和更低的 GFLOPS，并在 Synapse、BRaTs 和 ACDC 等广泛使用的数据集上取得竞争性结果。
PDF3 months ago
nnU-Net 重新审视：对 3D 医学图像分割的严格验证的呼吁
通过细致避免使用不充分的基线、不足够的数据集和忽视计算资源等常见验证缺陷，我们对当前分割方法进行了全面而彻底的基准测试，结果表明：1）采用包括 ResNet 和 ConvNeXt 变体在内的基于 CNN 的 U-Net 模型，2）使用 nn
PDF3 months ago
通过概率感知学习提升弱监督的三维医学图像分割
3D 医学图像分割是一个具有重要意义的挑战性任务，最近深度学习的进展极大地增强了完全监督的医学图像分割，然而，这种方法严重依赖于费力费时的完全注释的地面实况标签，特别是对于 3D 体积。为了克服这个限制，我们提出了一种新颖的概率感知弱监督学
PDF4 months ago
SegMamba: 长程序列建模 Mamba 用于三维医学图像分割
SegMamba 是一种新颖的 3D 医学图像分割模型，通过有效地捕捉各个尺度上的全体积特征的远程依赖性，从状态空间模型的角度在全体积特征建模方面胜过基于 Transformer 的方法，保持出色的处理速度，即使是具有 {$64 imes
PDF5 months ago
基于原始几何分割的三维医学图像分割预训练
通过使用原始几何对象进行预训练，本文提出了一种名为 PrimGeoSeg 的方法，实现了对 3D 医学图像进行更准确和高效的分割，无需手动数据收集和标注，且与自监督学习相比具有相等或更好的性能。
PDF6 months ago
E2ENet：3D 医学图像精准高效分割的动态稀疏特征融合
通过将动态稀疏特征融合机制与三维卷积中的限制深度移位相结合，提出了一种 3D 医学图像分割模型，名为 E2ENet。在多种资源限制条件下，E2ENet 相比之前的方法在精度和效率之间实现了较优的平衡，并在大规模挑战 AMOS-CT 上实现了
PDF7 months ago
Med-DANet V2：一种用于高效医学体积分割的灵活动态架构
通过动态推理，针对 3D 医学图像分割的计算效率问题，本文提出了一种基于动态架构的网络框架 Med-DANet，通过动态选择适合不同切片的 2D 候选模型，以取得较好的准确性和效率平衡，并在数据分析、训练成本和模型结构等方面做了进一步的改进
PDF8 months ago
FNOSeg3D: 鲁棒分辨率三维图像分割与傅里叶神经算子
FNOSeg3D 模型通过 Fourier 神经算子（FNO）提高了参数效率和分辨率鲁棒性，在 BraTS'19 数据集上表现出优于其他模型的鲁棒性。
PDF9 months ago
编码器更复杂并非唯一需求
U-Net 及其变种在医学图像分割中被广泛使用，然而大多数变种仅仅将改进策略局限于构建更复杂的编码器，而忽视了解码器的真正功能和提高分割结果的关键作用。为解决相关研究的空白，我们引入了 neU-Net，其中包括一种新颖的子像素卷积来进行上采
PDF9 months ago
自动提示移动友好的 3D 医学图像分割
介绍了一种用于 3D 多器官 CT 基于分割的新方法，即 AutoSAM Adapter，通过自动提示学习范式来促进 Segment Anything Model（SAM）模型能力向 3D 医学图像分割的转变，从而消除了手动生成提示的需求，
PDF10 months ago
DHC: 双修正异构协同训练框架用于类别不平衡的半监督医学图像分割
提出一种新颖的双消除偏见异构协同（DHC）框架，用于半监督 3D 医学图像分割，该框架通过两种损失加权策略（DistDW 和 DiffDW）动态利用伪标签引导模型解决数据和学习偏差，并且通过协同训练两个准确的子模型显著提高，实验结果表明我们
PDFa year ago
PCDAL: 一种基于扰动一致性推动的主动学习方法应用于医学图像分割与分类
提出了一种基于主动学习的方法，可同时应用于 2D 医学图像分类、分割和 3D 医学图像分割任务，并在三个公共的挑战性医学图像数据集上验证了其有效性。
PDFa year ago
双重自我蒸馏的 U 型网络用于三维医学图像分割
本文提出了一种新颖的双自蒸馏（DSD）框架，该框架适用于 U 形网络进行三维医学图像分割，通过在 U 形网络的背骨架构上附加 DSD，有效地提高了分割性能，其中 Dice 相似度分数提高了 4.25％至 3.15％
PDFa year ago
CVPR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。
PDFa year ago
自监督学习中的解剖不变建模与语义对齐在三维医学图像分割中应用
本研究提出了一种新的自我监督学习框架 ——Alice，旨在针对医学图像领域中异构数据及医学结构的特殊性，明确实现解剖不变性建模和语义对齐，其中主要涵盖对比学习策略及条件解剖特征对齐模块，进一步提高了 3D 医学图像分割下的性能表现，超过之前
PDFa year ago
三维医学图像的一致性半监督分割
本文提出了一种用于 3D 医学图像分割的半监督学习方法 --TraCoCo，并将传统的均方误差 Semi-Supervised Loss 替换为新的交叉模型置信二元交叉熵损失（CBC），该方法采用不同的空间输入上下文扰动视图，使模型能够从视
PDF2 years ago
D-Former: 一种用于 3D 医学图像分割的 U 形扩张 Transformer
本文提出了一种称为 Dilated Transformer 的方法，该方法在全球和局部范围内交替捕捉成对的补丁关系进行自我关注。我们基于 Dilated Transformer 的设计构建了一种名为 D-Former 的 U 型编码器 -
PDF3 years ago
AAAI3D-OOCS：基于归纳偏置的前列腺分割学习
本研究提出一种基于 OOCS 增强的卷积神经网络结构，用于 3D 医学图像分割，与基础 3D U-Net 相比，该网络能更好地适应来自不同扫描仪的各种协议及其产生的各种图像属性或伪影，本研究还通过对比揭示了其在 3D MRIs 下，用于自动
PDF3 years ago