biomedical image segmentation | BriefGPT

关键词biomedical image segmentation

搜索结果 - 21

血管周围空隙鉴定 Nnunet 的通用用途（PINGU）
采用 nnUNet 算法训练 PINGU 模型，对具有多样化质量和分辨率的 MRI 图像进行脑血管扩散区域的分割，取得较高的性能表现，尤其在基底神经节区域表现出优异的性能。
PDF2 months ago
MugenNet：一种新颖的综合卷积神经网络与 Transformer 网络及其在结肠息肉图像分割中的应用
基于混合原则，结合 CNN 和 Transformer，我们提出了一种名为 MugenNet 的结构用于结直肠息肉图像分割，实验证明 MugenNet 比仅使用 CNN 的模型在处理速度和准确度上显著提高。
PDF3 months ago
U-Mamba: 提高生物医学图像分割的长程依赖性
基于深度序列模型的 U-Mamba 是一种适用于医学图像分割的通用网络，通过融合卷积层的局部特征提取能力与序列模型的长距离依赖捕捉能力，能够自适应不同数据集并在各种任务中取得优于当前基于 CNN 和 Transformer 的分割网络的结果
PDF6 months ago
使用统计距离学习评委间差异性，提升概率分割能力
在医学成像领域，我们提出了一种用于生物医学图像分割的 PULASki 方法，它准确地捕捉多个专家注释之间的变异性，即使在小数据集中也是如此。我们的方法利用基于统计距离的改进损失函数在条件变分自动编码器结构（概率 UNet）中，对比于标准的交
PDF6 months ago
IODeep: DICOM 标准引入深度学习的 IOD
最近，人工智能 (AI) 特别是深度神经网络 (DNN) 成为生物医学图像分割领域的一个重要研究课题，尽管在研究方面基于 DNN 的分割技术很受欢迎，但它们在日常临床实践中几乎没有被使用，尽管它们可以有效地支持医生在诊断过程中。本文介绍了一
PDF8 months ago
通过基于提示的学习改进冷冻电镜显微图中的蛋白质识别的分段任意模型 (SAM) 的适应性
使用基于提示的学习策略改进了 Segment Anything Model (SAM) 模型在冷冻电子显微镜（cryo-EM）中的应用，为蛋白质识别、生物医学图像分割和目标检测等领域提供了潜在的发展前景。
PDF8 months ago
S$^3$-TTA: 生物医学图像分割中的规模样式选择
该研究论文提出了一种名为 S$^3$-TTA 的新的测试时间数据增强框架，基于转换一致性指标为每个测试图像选择合适的图像尺度和样式，同时构建了端到端的增强 - 分割联合训练流水线，通过在测试阶段简单增加输入数据，在细胞和肺部分割的公共基准上
PDF8 months ago
All-in-SAM：从弱注释到基于提示微调的像素级细胞核分割
本文提出了一个称为 all-in-SAM 的流程，通过将 SAM 用于整个 AI 开发工作流（从注释生成到模型微调），而无需在推理阶段使用手动提示，取代了在推理阶段使用提示的方法，可以在不需要手动提示的情况下更好地完成生物医学图像分割任务，
PDFa year ago
使用基于实例和实例中心的分割损失函数提高生物医学图像中不同大小对象的分割
本文提出了一种新的生物医学图像分割任务的两组分损失函数，称为实例和实例中心（ICI）损失，该损失函数解决了常常使用像素损失函数（如 Dice 损失）时遇到的实例不平衡问题。ICI 的实例部分改进了具有大型和小型实例的图像数据集中 “Blob
PDFa year ago
自我监督辅助主动学习用于皮肤病变分割
本文提出了一种新的自我监督辅助主动学习框架，用于解决生物医学图像分割中标签不足的问题，该方法使用自我监督特征聚类来选择样本，实验证明其可在皮肤病变分割任务上取得显著改进。
PDF2 years ago
Sharp U-Net: 用于生物医学图像分割的深度可分离卷积网络
本研究提出了一种名为 Sharp U-Net 的深度卷积神经网络模型，它采用深度卷积和锐化滤波器来解决 U-Net 的模糊和区域过度或不足的问题，在二元和多类医学图像分割任务中，使用该模型获得了超过同领域基线模型的性能表现。
PDF3 years 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
AAAI非局部上下文编码器：对抗性攻击下的强健生物医学影像分割
本文发现了基于 CNN 的医学图像分割模型对于对抗性干扰的敏感性，提出了一种利用全局空间依赖和全局上下文信息进行防守性攻击的非局部上下文编码器（NLCE）以及强化通道注意力的全局特征激活方案，证明 NLCE 具有良好的防御性能和稳定性。
PDF5 years ago
CVPR卷积网络中的解剖先验用于无监督生物医学分割
本文介绍了一种基于未配对分割影像的解剖学先验知识用于生物医学影像分割的生成概率模型，并通过卷积神经网络进行无监督训练来实现快速解剖学分割。在结构性脑磁共振成像分割的实验分析中，作者证明了运用解剖学先验能够有效提高卷积神经网络在体内结构分割中
PDF5 years ago
AAAI非局部 U-Net 用于生物医学图像分割
本文提出非局部 U-Net，它配备了灵活的全局聚合块，在医学影像分割中取得了良好的结果。
PDF6 years ago
BoxNet：基于盒子标注的深度学习生物医学图像分割
本文提出一种基于盒子注释的弱监督深度学习方法，通过结合图形搜索和深度学习的方法从盒注释中生成精细的对象掩模，并且使用生成的掩模来训练准确的深度学习分割网络，实验结果表明，该方法优于目前已知的最佳弱监督深度学习方法，并且能够以远少于制备全监督
PDF6 years ago
IJCAI使用对抗性损失对卷积神经网络进行生物医学图像分割的无监督跨模态域自适应
本文提出一种基于对抗学习的无监督域适应框架，通过一个域适应模块和一个域批判模块来实现不同模态医学图像分割的跨域问题，无需使用目标域标签信息，仅利用 MRI 图像训练的卷积神经网络适应非配对的 CT 数据来进行心脏结构分割，取得了良好的结果。
PDF6 years ago
CVPR精度生物医学图像分割的完全卷积网络量化
本文旨在探讨量化技术在深度神经网络（DNN）和全卷积神经网络（FCN）的生物医学图像分割中的应用，而不是仅仅将其用于降低内存和计算复杂度。实验结果表明，在 MICCAI Gland 数据集上，我们的方法不仅优于现有的技术，而且可以使内存使用
PDF6 years ago
ICCV旋转等变向量场网络
本文中，我们提出了旋转等变向量场网络（RotEqNet），这是一种卷积神经网络（CNN）体系结构，可以编码旋转等变性、不变性和协方差性，并在图像分类、生物医学图像分割、方向估计和拼接匹配等多个问题上进行了测试。结果表明，相较于许多数量级更大
PDF8 years ago
生物医学图像分割中跳跃连接的重要性
本研究探讨长短跳跃连接对全卷积网络进行生物医学图像分割的影响，发现在非常深的 FCN 中同时使用长、短跳跃连接是有益的，并展示了非常深的 FCN 在 EM 数据集上实现了接近最新成果的结果而无需进一步的后处理。
PDF8 years ago