anatomical landmarks | BriefGPT

关键词anatomical landmarks

搜索结果 - 9

在黑暗中进行形状补全：从 3D 超声中完成脊椎形态学
通过点云概率深度学习方法对被遮挡的解剖结构进行 3D 形状完整性补全，并应用于基于超声波的脊柱检查，结果表明该方法在合成数据和实际患者数据上表现一致，保留了重要解剖标志和正确位置的关键注射点。
PDF3 months ago
基于对比学习的多模态超声引导下对脑肿瘤切除的解剖标志物检测
提出了一种用于神经外科应用中 MRI-US 标志物检测的对比学习框架，通过训练卷积神经网络在 MRI 和 US 扫描中编码图像特征，以匹配包含 MRI 相应标志物的 US 图像块，该方法首次在 MRI-US 标志物检测方面取得了有希望的结果
PDFa year ago
多环境生命周期深度强化学习在医学成像中的应用
开发了一种基于有选择性经验重播的终身深度强化学习框架 SERIL，用于在不断变化的医学成像环境中持续学习新的任务，用于定位脑 MRI 中的五个解剖标志，相比于两个基线设置，取得了卓越的表现。
PDFa year ago
利用 X 射线微束数据的几何变换增强语音发音分析
本文提出了一种新的几何变换方法，将解剖标志物的 X-Y 坐标映射到唇缝、唇前突出、舌身收缩位置、舌身收缩程度、舌尖收缩位置和舌尖收缩程度六个相对量度中，以改善解剖物点的准确度与鞍骨微束数据集中的嗓音区域解剖图像的映射。
PDFa year ago
KiU-Net：利用过完备表示实现生物医学图像的准确分割
本文提出了一种新的超完备神经网络结构 Ki-Net，该结构在 U-Net 网络的基础上，通过数据在高维空间上的投影，实现了在分割模糊、嘈杂边界下的解剖标志和小型的功能区域的显著性改善，并表现出更快的收敛速度和优异的性能。作者在早产婴儿的二维
PDF4 years ago
ECCV基于拓扑自适应深度图学习的结构化地标检测
本文提出了一种新的深度图形学习方法来进行精准的解剖面和医学（如手、骨盆）标志物检测，该方法结合了局部图像特征和全局形状特征，基于两个图卷积网络（GCNs）学习任务特定的结构。该方法在公共人脸图像数据集和 X 射线医学数据集上的实验结果表明，
PDF4 years ago
通过注意力特征金字塔融合和回归投票实现颅面标志物检测
本文通过提出基于注意力机制、特征金字塔融合和逐像素回归投票等的深度学习框架，在头影测量图像的解剖标志点自动定位方面显著提高了检测精度，并展示了其在不同设备上的泛化能力和稳定性。
PDF5 years ago
多智能体强化学习在多个地标检测中的应用
本文提出了一种基于多智能体强化学习的多个解剖标志点检测方法，使用 Deep Q-Network（DQN）架构构建环境和代理，并在训练过程中协作共享累积的知识，相较于现有技术方案，该方法将检测误差减少了 50％, 需要较少的计算资源和训练时间
PDF5 years ago
基于位置先验的双胞胎网络在肝脏超声序列中的标记追踪
本文提出了一种使用全卷积 Siamese 网络进行医学超声图像中任意图像特征（而非仅规定的解剖结构）定位的方法，利用时间连续性模型作为位置先验，结合预测出的位置概率图迭代跟踪超声图像序列中的目标，应用于肝脏超声图像数据集中有竞争力的结果，这
PDF5 years ago