colorectal cancer | BriefGPT

关键词colorectal cancer

搜索结果 - 47

CRIS：结合分割的协同细化技术用于息肉分割
准确检测结直肠癌和早期预防严重依赖于肠镜检查期间精确的息肉识别。本研究提出了一种综合利用掩膜优化和二进制语义分割的方法，通过一种新颖的协作训练策略，超越了当前广泛使用的优化策略，并通过对建立的基准数据集进行全面评估，成功应用于各种医学图像分
PDFa month ago
ODC-SA Net：用于息肉分割的正交方向增强和尺度感知网络
为了实现结直肠癌的早期检测和预防，我们设计了一种用于息肉分割的正交方向增强和尺度感知网络 (ODC-SA Net)。该网络通过设计具有正交特征向量基础的矩形卷积核来提取多方向特征，解决了随机特征方向变化和计算负载较大的问题。此外，我们提出了
PDF2 months ago
BetterNet: 一种高效的卷积神经网络架构，具备残差学习和注意力机制，用于精确的息肉分割
通过将残差学习和注意力方法结合的 BetterNet 卷积神经网络架构，有效增强息肉分割准确性，具有高效梯度传播、多尺度特征整合、关注关键区域学习过程、确保计算效率等特点，进一步优于现有的基准模型，为结直肠癌的早期识别和计算机辅助诊断提供新
PDF2 months ago
Consisaug：内窥镜图像分析中基于一致性的息肉检测增强方法
通过引入深度学习和数据增强方法，我们提出了一种有效的策略来增加用于息肉检测的数据，以提高早期和准确的癌症预防效果。
PDF3 months ago
COLON：最大的结肠镜长序列公共数据库
Colorectal cancer is a major health concern, and this paper introduces the COLON dataset, which contains labeled frames
PDF4 months ago
结直肠癌风险预测模型特征选择的比较研究
针对结直肠癌，评估了多种特征排序算法在一组风险预测模型中的性能，通过标量稳定性度量和一种可视化方法评估其稳定性，与专家提供的特征进行了比较分析，并发现了与专家知识相一致的最相关特征。
PDF5 months ago
基于 H&E 染色图像的临床信息启发的多实例学习框架用于患者级别结直肠癌分子亚型分类的研究
通过使用深度神经网络（DNN）和多示例学习技术（MIL），结合临床先验知识，构建了一个名为 “CIMIL-CRC” 的模型，用于鉴别结直肠癌的亚型，结果显示其在区分不同亚型及患者级别分类方面表现优异。
PDF5 months ago
基于深度学习的合成窄频带成像增强结肠息肉检测
提出一种基于 CycleGAN 的框架将常规白光成像 (WLI) 转换为合成窄带成像 (SNBI)，以在 NBI 不可用时改善 WLI 上的物体检测，实验证明该方法可以提高息肉检测准确性。
PDF5 months ago
$M^{2}$Fusion：基于贝叶斯的多模态多级融合在结直肠癌微卫星不稳定性预测中的应用
提出了一种基于贝叶斯的多模态多层融合技术，将病理 WSI 和三维影像 CT 图像相融合，用于预测结直肠癌微卫星不稳定性，通过特征级和决策级融合策略，在交叉验证中验证并改进了 MSI 预测的性能。
PDF6 months ago
增强的 CenterNet 与对比学习的自动息肉检测
通过使用增强中心点网络与对比学习 (ECC-PolypDet) 的两阶段训练和端到端推理框架，结合图像和边界框注释来训练通用模型，并基于推理得分对其进行微调，以获取一个最终鲁棒的模型，从而实现对结直肠癌早期诊断至关重要的息肉准确检测。
PDF6 months ago
双尺度增强与交叉生成一致性学习用于半监督息肉分割
提出了一种新的增强的双尺度和交叉生成一致性学习框架，用于半监督息肉分割，通过整合不同分辨率的交叉级相邻层来增强特征表达能力，采用尺度增强的一致性约束来处理形状尺寸和位置的变异，并通过交叉分段图重建原始和扰动图像来提高分割性能。
PDF6 months ago
深度学习在息肉分割方面的调查：技术、挑战和未来趋势
早期检测和评估息肉在结直肠癌的预防和治疗中起着至关重要的作用。本文综述了息肉分割算法，包括传统算法和基于深度学习网络的算法，详细介绍了相关基准数据集及对最近的深度学习模型进行的全面评估，最后讨论了该领域的挑战和未来趋势。
PDF7 months ago
基于深度学习和集成机器学习的结直肠癌组织学分解性能提升
利用混合深度学习和集成机器学习模型，该研究提出了一种超越以往解决方案的组合模型，对肠直肠癌的组织分类任务取得了 96.74％的准确率，在外部测试集上达到 99.89％的准确率。
PDF8 months ago
M3FPolypSegNet：结肠镜图像中多频特征融合的息肉定位分割网络
通过使用多频特征融合息肉分割网络 (M3FPolypSegNet)，以及多任务学习的方法，本研究提出了一种新颖的基于频率的全卷积神经网络，能够自动地分割结肠镜图像中的小型息肉，提高了分割的准确性和效率。
PDF9 months ago
AG-CRC: CT 中基于解剖学指导的结肠癌分割与非理想解剖学知识
利用自动生成的器官掩模辅助肠直肠癌（CRC）的 CT 图像分割，提出了一种新颖的解剖引导分割框架（AG-CRC），通过多器官分割、训练块采样策略、自监督学习方案和掩模损失机制，实现了 5% 至 9% 的性能改进。
PDF9 months ago
内窥镜单目深度预测任务导向的领域差异减小
该研究提出了一种新方法来利用标记的合成数据和未标记的真实数据，以实现对结肠镜序列的更具弹性和准确的深度图预测。
PDF9 months ago
多层特征融合网络结合注意力机制用于息肉分割
为了提高医学诊断的效率和准确度，减少患者结直肠癌的风险，我们提出了一种名为 MLFF-Net 的新型息肉分割方法，该方法利用多级特征融合和注意机制。实验证明该方法不仅可以分割多种类型的息肉，还在准确性和概括能力方面优于现有最先进的方法。
PDF10 months ago
边缘感知特征聚合网络用于息肉分割
利用边缘感知的特征聚合网络 (EFA-Net) 对息肉进行分割，克服不同尺度和模糊的边界，实现更准确的早期诊断和防治结直肠癌 (CRC)。实验结果表明，EFA-Net 在泛化性能和有效性方面优于现有的息肉分割方法。
PDF10 months ago
FLDNet：利用长距离依赖关系进行息肉分割的前景感知网络
通过使用 FLDNet，一种基于 Transformer 的神经网络，该论文提出了在结直肠镜检查图像中准确检测和分割息肉的方法，并通过评估显示出在常用数据集上优于现有方法的先进性。
PDF10 months ago
MEGANet：多尺度边缘引导注意力网络用于弱边界息肉分割
在医疗保健中，高效的息肉分割在早期诊断结直肠癌方面起着关键作用。本文提出了一种专门用于结肠镜图像中的息肉分割的多尺度边缘引导注意力网络（MEGANet）。该网络通过融合经典的边缘检测技术和注意力机制，有效地保留了高频信息，尤其是边缘和边界，
PDF10 months ago