brain tumor segmentation | BriefGPT

关键词brain tumor segmentation

搜索结果 - 50

基于残差变换器的脑肿瘤分割的集成学习
提出了一种将 Transformers 集成到自适应 U-Net 中的新型网络架构，以合理的计算成本提取出三维体积上下文，并探索集成方法，证明了组合多个架构以优化脑肿瘤分割的潜力。
PDFa year ago
改进脑瘤分割的深度伪造图像生成
通过使用生成对抗网络进行图像转换，本研究探讨了使用深度伪造图像生成技术进行脑肿瘤分割的可行性，结果显示在图像分割质量指标方面表现出改善的性能，可能在数据有限的情况下进行训练时提供帮助。
PDFa year ago
AME-CAM: 注意力多路出口 CAM 在 MRI 脑肿瘤弱监督分割中的应用
本文介绍了一种新的基于关注多级金字塔结构的类激活特征映射方法 AME-CAM, 该方法对多分辨率的激活图进行聚合，实现了对磁共振成像脑肿瘤分割的高精度预测。
PDFa year ago
一种基于置信度的 MRI 脑肿瘤分割之新型类激活映射方法
本研究提出了一种新的基于信心度的类激活映射方法 (Cfd-CAM)，该方法在脑肿瘤图像分割方面具有更高的精度和更好的效果。
PDFa year ago
深度多分辨率分形纹理的计算建模及其在异常脑组织分割中的应用
本文提出了一种新的 Multiresolution Fractal Deep Neural Network (MFDNN) 模型与计算实现，该模型通过分析大量的 MRI 图像数据来估计肿瘤组织的深度多分辨率分形纹理特征，其在异常脑组织分割方
PDFa year ago
使用合成磁共振图像的脑肿瘤分割 ——GAN 和扩散模型的比较
本文研究了利用生成模型如 GANs 构建的合成影像，其在大脑肿瘤分割任务上与真实影像训练的性能差异，发现实验结果在一定数据量下合成影像可以很好地训练神经网络，而常用的评估合成影像的指标无法很好地预测其在特定任务上的性能。
PDFa year ago
学习未学习特征用于脑肿瘤分割
本文提出了基于主动学习和元学习的功能微调算法，以帮助网络不忘记原始任务，实现大脑肿瘤分割的准确识别，并展示了从高级别胶质瘤到脑转移的迁移学习方法，证明所提出的算法可以在短时间内实现对于胶质瘤和脑转移领域的平衡参数。
PDFa year ago
融合 SE 与注意力机制的 UNet 在颅内肿瘤分割中的应用
本文提出了一种新的体系结构 ——SEEA-UNet，它结合了 Attention UNet 和 Squeeze Excitation Network 以获取空间和通道级别的信息，并使用二元焦点损失和 Jaccard 系数监控模型性能。与现有
PDFa year ago
基于深度学习技术的 MRI 图像脑肿瘤分割
本研究旨在使用神经网络模型对 MRI 数据集中三种不同类型的脑肿瘤（脑膜瘤、胶质瘤和垂体瘤）进行自动分割及识别，实验结果表明，采用了循环残差 U-Net 模型能达到平均交并比 0.8665，相比其它深度学习模型具有明显的优势。
PDFa year ago
3D 脑部瘤分割的 3D 融合 Transformer
该研究提出了一种基于 3D Transformer 的分割方法，采用无限可变形融合 Transformer 模块 (IDFTM) 和融合头自注意机制 (FHSA) 提取 MRI 图像的长程空间依赖关系特征，通过在公共数据集中对脑肿瘤的分割实
PDFa year ago
基于注意力机制的脑肿瘤二阶段 MR 图像分割方法
提出了一种基于 CASP-GAN 的协调空间注意力生成对抗网络，以及一种关注性生成跨模态分割方法，该方法在脑肿瘤分割中取得了比 CycleGAN 和部分前沿方法更好的结果。
PDFa year ago
基于图像提示的无监督脑肿瘤分割
本文提出了基于 prompt learning 的无监督深度学习方法，通过人工构造的任务设计，训练模型回答输入图像的 voxel 强度与肿瘤样异常之间的联系，以实现无需专家标注的脑肿瘤分割，而在公开数据集和内部数据集上都取得了显著进展。
PDFa year ago
TFusion：基于 Transformer 的 N 到 One 多模态融合块
本文提出了一种基于 transformer 的多模态融合块 TFusion，采用 tokens 和 transformer layers 自动学习融合可用多模态，引入 modal attention 机制减少依赖于特定模态，可用于多模态人体
PDF2 years ago
用于自动医学图像分割的高分辨率 Swin Transformer
本研究提出了一种基于 Transformer 的医学图像分割网络 HRSTNet，其采用具有高分辨率的设计风格，用 Transformer 块代替卷积层，不断交换不同分辨率的特征图集来提高性能
PDF2 years ago
mmFormer：用于不完整多模态脑肿瘤分割的多模态医学 Transformer
该研究提出了一种多模态医学 Transformer (mnFormer)，用于不完整多模态学习的脑肿瘤分割，并且该方法在 BraTS 2018 数据集上显示出了比现有方法更好的表现。
PDF2 years ago
ME-Net：用于脑肿瘤分割的多编码器网络框架
该研究提出了一种用于进行脑肿瘤分割的多编码器模型及介绍了一种新的分类 Dice 损失函数，该方法可以降低特征提取难度，并显著提高模型性能，在验证集上能够与目前最先进的方法相媲美，在完整肿瘤，肿瘤核和增强肿瘤方面的 Dice 分数分别为 0.
PDF2 years ago
联邦脑肿瘤分割不同聚合和超参数选择方法的评估与分析
研究使用联邦学习在医学影像领域快速收敛和更好的表现，解决数据集中医疗隐私和数据所有权问题，并探索其在脑肿瘤分割问题上的应用。
PDF2 years ago
优化 U-Net 用于脑肿瘤分割
本文通过一项消融研究，建议了优化的 U-Net 架构用于 BraTS21 挑战的脑肿瘤分割任务，并在 NVIDIA Deep Learning Examples GitHub 仓库中开源了代码来重现我们的 BraTS21 提交。
PDF3 years ago
RSNA-ASNR-MICCAI BraTS 2021 脑肿瘤分割和放射基因分类基准测试
BraTS 2021 challenge focuses on benchmarking brain glioma segmentation algorithms and tumor classification based on mpMR
PDF3 years ago
H2NF-Net 应用多模态 MR 成像用于脑肿瘤分割：作为 2020 BraTS 挑战赛分割任务的第二名解决方案
本论文提出了一种混合高分辨率和非局部特征网络（H2NF-Net）来在多模态 MR 图像中对脑肿瘤进行分割，使用单一和级联的 HNF-Nets 来分割不同的脑肿瘤亚区域，并将预测合并作为最终分割。在 BraTS 2020 数据集上训练和评估模
PDF4 years ago