3d medical images | BriefGPT

关键词3d medical images

搜索结果 - 27

多孔径 Transformer - 卷积网络（MFTC-Net）用于 3D 医学图像分割和可视化
通过使用多孔径融合变换卷积网络（MFTC-Net）将 Swin 变换器和相应的卷积块的输出结合起来，以 3D 融合块，更好地保留细节。新架构在多器官数据集上展示了 89.73 的 Dice 得分和 7.31 的 HD95 得分，还减少了大约
PDF10 days ago
MiM: 3D 医学图像分析的层叠掩模自监督预训练
提出一种用于 3D 医学图像的新型预训练框架 “Mask in Mask（MiM）”，通过学习来自不同尺度的分层视觉标记的辨别性表示，在器官 / 病变 / 肿瘤分割和疾病分类等任务中展现出 MiM 相对于其他自我监督学习方法的优越性能，此外
PDF2 months ago
PRISM：一个带有视觉提示的可提示和稳健交互式分割模型
PRISM 是一个可提示和稳健的交互式分割模型，旨在精确地对三维医学图像进行分割。PRISM 接受各种视觉输入，包括点、框和涂鸦作为稀疏提示，以及蒙版作为密集提示。通过迭代学习、置信学习、纠正学习和混合设计，PRISM 在结直肠、胰腺、肝脏
PDF2 months ago
CMViM：用于 AD 分类的 3D 多模态表征学习的对比掩码 Vim 自编码器
我们提出了一种针对 3D 多模态数据的首个高效表示学习方法 Contrastive Masked Vim Autoencoder（CMViM），该方法利用传统的 Vision Mamba（Vim）自动编码器结构实现对三维医学图像的统一多模态
PDF3 months ago
MaskSAM：面向医学图像分割的自动提示 SAM 与掩码分类
提出了 MaskSAM，这是一种适用于医学图像分割的新型无需提示的 SAM 适应框架，通过与 SAM 中的图像编码器结合设计了一个提示生成器，生成一组辅助分类器令牌、辅助二进制掩模和辅助边界框，以解决额外提示的要求，同时利用 3D 深度卷积
PDF3 months ago
DUE：基于 3D 插值的动态不确定性感知解释监督
提出了一种用于三维图像解释监督的动态不确定性感知解释监督（DUE）框架，通过基于扩散的三维插值，在处理稀疏标注的三维数据时确保了不确定性感知的解释指导。实验证明了该框架在医学图像诊断应用中提高了深度学习模型的可预测性和可解释性。
PDF4 months ago
用于医学图像近似与重复检测的预训练视觉嵌入基准化
医学成像中的近似和重复图像检测是一个关键关注点。本文介绍了一种利用公开可用的 2D 计算机视觉嵌入来识别 3D 医学图像的方法。通过对比从两种先进的自监督预训练模型提取的嵌入和两种不同的向量索引结构来评估我们的方法。我们基于公开可用的 Me
PDF7 months ago
T3D：通过视觉 - 语言预训练实现三维医学图像理解
T3D 是为高分辨率 3D 医学图像设计的首个 VLP 框架，通过两个文本感知的预训练任务，即文本感知的对比学习和文本感知的图像恢复，从高分辨率的 3D 医学图像中学习 3D 视觉表示，整合临床知识，拥有在器官和肿瘤分割以及疾病分类等任务中
PDF7 months ago
Slide-SAM：医学 SAM 满足滑动窗口
在医学图像分割中，Segment Anything Model (SAM) 的应用受到其在自然图像分割中的良好表现的限制。为此，我们引入了 Slide-SAM，将 SAM 扩展到 3D 医学图像分割中，并通过使用单个切片提示来减少专业人员的
PDF8 months ago
SIRE: 利用图神经网络进行尺度不变、旋转等变性的动脉方向估计
通过结合 SO (3) 和尺度对称性，SIRE 可以确定训练域之外的血管方向，为三维医学图像中血管的几何分析提供了稳健且高效的解决方案。
PDF8 months ago
SAM-Med3D
该研究提出了 SAM-Med3D，对 3D 医学图像进行了全面研究和修正，通过训练在大规模数据集上的全面处理的 3D 体系结构，提供了全面的性能评估。与 SAM 相比，SAM-Med3D 在三维体积医学图像的分割能力和效率上都具有显著的增强
PDF8 months ago
COLosSAL: 冷启动主动学习用于 3D 医学图像分割的基准
医学图像分割是医学图像分析中的关键任务。近年来，基于深度学习的方法在完整注释数据集上训练时展现出出色的性能。然而，数据注释往往是一个重要的瓶颈，特别是对于 3D 医学图像。主动学习是一种有效注释的有希望的解决方案，但需要一组初始标记样本来开
PDFa year ago
基于生成式文本引导的三维视觉语言预训练，用于统一医学图像分割
本研究提出了一种 3D 医学图像的方法 —— 生成式文本引导 3D 视觉语言预训练。研究在 Computed Tomography (CT)、Magnetic Resonance Imaging (MRI) 和电子显微镜 (EM) 图像数据
PDFa year ago
CVPR3D 医学图像自监督预训练中的几何视觉相似性学习
提出新的几何学视觉相似性学习范式，将拓扑不变性的先验性质嵌入到 3D 医学图像的图像相似度测量中，以实现具有一致性的表示语义区域，从而提高内场、相场和全局 - 局部转移能力。
PDFa year ago
IJCAIMNet: 重新思考 2D/3D 网络在各向异性医学图像分割中的应用
该论文提出了一种新的 Mesh 网络（MNet）用于平衡 2D / 3D 卷积神经网络中稀疏的层间信息和密集的层内信息，并在四个公共数据集上进行了综合实验，结果显示 MNet 具有优越性能。
PDF2 years ago
基于遮罩的图像建模技术在三维医学图像分析中的应用进展
本文研究了遮蔽图像建模技术在医学三维图像分析中的应用，发现其相比基于对比学习的方法能够更快地进行监督学习并达到更高的精度，使用高遮蔽率和相对较小的块大小预测原始像素值是医学图像建模的一项重要自监督预训练任务，轻量级的解码器或投影头设计能够加
PDF2 years ago
ECCVUniMiSS: 通过打破维度障碍实现通用医疗自监督学习
本文提出了一个名为 UniMiSS 的医学自监督表示学习框架，使用复杂的 pyramid U-like 医学 Transformer 来处理 2D 和 3D 医学图像，并在各种下游任务中显示出优异的性能。
PDF3 years ago
自动三维血管中心线提取的混合表示学习
提出了一种基于深度学习的自动血管提取方法，旨在解决 3D 卷积神经网络在处理 3D 医学图像时 “断排” 问题，该方法采用局部外观的卷积神经网络和全局几何的点云网络相结合，通过最短路径算法将提取的局部部分相连，实现了从 3D 医学图像中高效
PDF4 years ago
DoDNet: 学习从多个部分标记的数据集中分割多个器官和肿瘤
本研究提出了一种动态需求网络（DoDNet），用于在仅标注部分器官和 / 或肿瘤的数据集上分割多个器官和肿瘤，通过共享编码器 - 解码器结构、任务编码模块、控制器和动态分割头来生成动态卷积滤波器，相对于现有方法，DoDNet 更加高效，代码
PDF4 years ago
AAAI基于双向 RNN 的 3D 医学图像分割少样本学习
本文提出了一种基于 3D 少样本学习的器官分割框架，通过学习支撑数据的 2D 片段与查询图像之间的关系，包括一个学习编码特征的双向门控循环单元（GRU），以及在使用任意支撑和查询数据之前通过迁移学习方法更新模型来适应目标图像和器官的特征。在
PDF4 years ago