brain mri | BriefGPT - AI 论文速递

关键词brain mri

搜索结果 - 21

TADM：面向脑 MRI 神经退行性进展的时序感知扩散模型
提出了一种 Temporally-Aware Diffusion Model (TADM) 的方法，该方法可以准确推测脑 MRI 的进展，包括结构变化和时间间隔，它通过学习扫描之间的强度差异以及与初始基线扫描结合来生成未来的 MRI。通过在
PDF16 days ago
结合放射医学和机器学习方法进行客观自闭症诊断：验证白质与自闭症的关联
自闭症谱系障碍是一种典型的大脑发育异常，导致社交技能、交流能力、重复行为和感觉处理方面的障碍。本研究开发了一种以大脑 MRI 白质为重点的计算机辅助诊断模型，采用放射学和机器学习方法，结合多个机器学习模型（如支持向量机、随机森林、逻辑回归和
PDFa month ago
基于差异的脑 MRI 病变检测扩散模型
本文提出了一种名为差异分布医学扩散（DDMD）的模型，用于脑 MRI 中的病变检测，通过将异构样本中的分布差异转化为图像级注释的不一致性，保留了像素级的不确定性，并实现了隐式分割集合，最终提高了整体检测性能。通过在包含脑肿瘤检测的多模态 M
PDF2 months ago
基于主成分分析和机器学习的阿尔茨海默病辅助诊断系统
通过使用人工神经网络和支持向量机作为分类器，以及主成分分析作为特征提取技术，这篇论文研究了基于机器学习的方法在阿尔茨海默病检测和分类中的性能，并表明这种组合方案在准确度和优势方面取得了显著成果。
PDF3 months ago
3D 脑 MRI 联合图像去噪与运动伪影校正的迭代学习
提出了一种通过迭代学习处理带有运动伪影的噪声 MRI 的联合图像去噪和伪影校正框架，包括自适应去噪模型和抗伪影模型，并在公共数据集和临床研究中得到了实验证明其在去噪和运动伪影校正两个任务中的有效性。
PDF4 months ago
TABSurfer：一种用于亚皮层分割的混合深度学习架构
该研究提出了 TABSurfer，这是一种新型的 3D 基于 CNN-Transformer 深度学习模型，相较于现有的最先进工具，在次皮层分割方面表现更出色。TABSurfer 在各种 T1w MRI 数据集中表现出一致的性能，处理时间明
PDF7 months ago
一种病理多模态 MR 图像和分割的 3D 生成模型
提出了一种基于 generative 模型和 synthetic 数据的 3D 脑 MRI 和分割模型 brainSPADE3D，可以调节病理表型和对比度，生成高保真的合成图像和相关分割，以改善在数据中存在意外病变时的分割模型性能问题。
PDF8 months ago
跨模态注意力适配器：一种对使用多模态脑 MR 图像的 SAM 进行胶质瘤分割微调的方法
本文提出了一种基于跨模态融合的注意力适配器细调基础模型来完成多模态 MRI 脑图像下胶质瘤分割任务的方法，该方法优于现有技术方法，具有 88.38％的 Dice 系数和 10.64 的 Hausdorff 距离，从而在分割胶质瘤区域方面呈现
PDFa year ago
物理学知识卷积神经网络生成具有通用性的合成磁共振图像
本研究开发了一种基于物理知识的深度学习方法来合成多种脑部磁共振成像（MRI）对比度，从而加速神经影像处理，并研究了该方法的泛化能力，该方法能够将五分钟的扫描数据合成为四种标准对比度，并且具有良好的泛化性能适用于加速神经影像处理的协议。
PDFa year ago
SynthMorph 辅助下的结构感知和无需获取方式的联合配准
本文介绍了一种基于深度学习的快速、稳健、易于使用的工具，用于进行任何脑图像的仿射变换和变形配准，无需预处理，即可完成。我们使用神经影像数据集仔细分析了深度学习方法，发现配准的准确性可以得到保证。同时，我们结合了变形配准和空间标签匹配来实现无
PDFa year ago
评估 MRI 容积测量中 AI 与非 AI 方法对帕金森综合征诊断的比较验证
本文研究了使用深度学习模型在脑磁共振成像的分割和体积测量方面的性能，结果表明深度学习可以显著降低分析时间而不影响分割性能，并提供更好的疾病分类准确性。
PDF2 years ago
多中心和寿命期间的脑颅骨去除的即插即用形状修正框架
本研究提出了一种基于形状精细化的跨领域颅骨去除框架，利用脑部形状先验来处理多站点和寿命数据集之间的领域移位，并在多站点寿命数据集上优于现有方法。
PDF2 years ago
用于脑 MRI 非监督异常分割的尺度空间自编码器
使用拉普拉斯金字塔对健康脑 MRI 的不同频带进行压缩和重建来提高重构保真度，实现对大、小脑病变的定位和聚合，并且表现出优异的异常分割效果。
PDF4 years ago
多发性硬化全脑与病变同时分割对比适应方法
提出了一种对多发性硬化患者进行多序列脑 MRI 扫描的白质病变和正常神经解剖结构同时分割的方法，并通过四个不同的数据集验证了该方法的高鲁棒性。
PDF4 years ago
基于规范化先验的图像恢复无监督病变检测
本研究提出了一种基于深度学习的概率模型来进行无监督病变检测，该模型使用基于网络的先验作为归一化分布，并使用 MAP 估计逐像素地检测病变，实验证明该方法在脑 MRI 中检测胶瘤和卒中病变方面的性能优于现有的无监督方法。
PDF4 years ago
应用自编码器进行无监督的脑 MR 图像异常分割：一项比较研究
本文旨在建立无监督异常检测的可比较性，利用单一架构、单一分辨率和相同的数据集评估不同方法，并提出未来的研究方向和挑战。
PDF4 years ago
使用多模式生成对抗网络进行 MRI 脉冲序列合成
本篇研究提出了一种基于生成对抗网络的多输入、多输出的方法，通过利用多个序列的冗余信息，能够在单次扫描中生成患者缺失的磁共振成像序列，该方法在两个不同的 4 序列脑 MRI 数据集上进行了测试，并与单模态和多模态方法进行了比较，结果定量和定性
PDF5 years ago
VoteNet: 多阿特拉斯分割的深度学习标签融合方法
本文介绍了一种基于深度学习的标签融合策略 (VoteNet)，该算法可以在医学图像分割中显著提高多标签分割 (MAS) 的性能，并通过实验验证了性能上限，表明仍有进一步提高空间。同时，本文通过采用快速的深度学习注册方法，解决了标准多标签分割
PDF5 years ago
基于生成对抗学习的少样本 3D 多模态医学图像分割
我们提出了一种基于生成对抗网络（GANs）的新方法，用于使用标记和未标记的图像训练分割模型，并针对神经影像学中的 3D 多模态医学图像分割问题进行了全面分析。在对 iSEG-2017 和 MRBrainS 2013 数据集进行试验后，我们报
PDF6 years ago
使用受限对抗自编码器在脑 MRI 中无监督检测病变
本文将基于自动编码器的方法，采用无监督学习的方法，利用健康人的脑 MRI 数据集学习其数据分布，提出了一种简单而有效的约束，希望能够在潜在空间中将带有病灶的图像映射到其对应的健康图像上，该方法在 BRATS 挑战数据集的病灶检测中表现出更好
PDF6 years ago