ct scans | BriefGPT - AI 论文速递

关键词ct scans

搜索结果 - 44

UADSN：面神经分割的不确定性感知双流网络
我们提出了一个不确定性感知的双流网络（UADSN），包括 2D 分割流和 3D 分割流，用于面神经在 CT 扫描中的定位和分割。通过使用两个流的预测结果来识别不确定区域，并引入一致性损失来监督这些区域的分割，同时在 U 型网络的跳跃连接中引
PDF5 days ago
Diff3Dformer：利用切片序列扩散增强 Transformer 网络在 3D CT 分类中的应用
利用扩散模型的潜在空间来形成 3D 分析的切片序列，并将聚类关注融入 ViT 以聚合 3D CT 扫描中的重复信息，从而利用先进的 Transformer 模型在小型数据集上执行 3D 分类任务，表现出卓越的性能。
PDF10 days ago
MTS-Net: 用于三维 CT 诊断梅 - 瑟纳综合征的双增强位置多头自注意力网络
提出了一种基于 3D 深度学习的称为 MTS-Net 的方法，用于使用 CT 扫描诊断 May-Thurner 综合征，通过建立一个新的数据集，并设计了一种注意力模块，证明该方法在 MTS 诊断中取得了最先进的结果。
PDFa month ago
基于 CT 的脑室扩散 Schrödinger 桥分割
通过扩展扩散模型的领域适应能力，利用配对的 CT 和 MRI 扫描，提出了一种无需 CT 分割标准的新颖不确定性感知脑室分割技术，并展示了其对其他相似建模方法的优越性。
PDFa month ago
面向 CT 断骨分割的跨尺度注意力和表面监督
我们提出了一种用于 CT 断裂骨髓分割的跨尺度注意机制和表面监督策略，该方法在公开数据集上实现了 93.36％的 Dice 相似系数、0.85mm 的 ASSD 和 7.51mm 的 95HD，为骨盆 CT 检查提供了一种有效的骨折分割方法
PDF2 months ago
利用位置抑偏查询选择和对比查询在 Transformer 中进行 CT 扫描中有效的淋巴结检测
通过改进 2D 骨干网络，结合多尺度 2.5D 特征融合来明确地融入 3D 上下文，以提高淋巴结检测性能。通过头部 IoU 预测和位置去偏置查询选择，以及利用查询对比学习明确增强淋巴结查询，该方法在医学图像中获得了较好的性能。
PDF3 months ago
预训练变换器用于肺癌分割的可信度
基于 670 个 CT 和 MRI 扫描，评估了两个自监督预训练的 Transformer 模型 Swin UNETR 和 SMIT 在肺肿瘤细分领域的可信度。模型表现出了较高的准确性和稳健性，并在不同领域的 CT 和 MRI 扫描中展现了
PDF3 months ago
使用伪标签进行 COVID-19 检测的领域自适应
我们提出了一个两阶段框架，利用伪标签进行领域自适应，以提高从 CT 扫描中检测 COVID-19 的速度和准确性。通过利用一个领域的注释数据和另一个领域的非注释数据，该模型克服了在新兴健康危机中普遍存在的数据稀缺和变异挑战。生成伪标签的创新
PDF4 months ago
CT 扫描中的深度肋骨骨折实例分割与分类（RibFrac 挑战）
肋骨骨折是一种常见且可能严重的损伤，在 CT 扫描中很难检测。为解决这个问题，引入了 RibFrac 挑战，提供了一个超过 5000 个肋骨骨折的基准数据集，包括 660 个 CT 扫描，并具有体素级实例掩模注释和四个临床类别（buckle
PDF5 months ago
XProspeCT: 从成对 X 射线生成 CT 体积
该研究论文通过使用更大的数据集和不同的模型结构，探索将正交 X 射线图像转换成模拟 CT 体积的方法，以解决 CT 扫描在辐射剂量和成本方面相对于 X 射线成像的问题。关键模型变化包括 UNet 架构、自定义连接、激活函数、损失函数、优化器
PDF5 months ago
面向模型校准的任务特定正则化损失用于可靠的肺癌检测
我们提出了一种新的任务特定损失函数来校准神经网络，以减少过于自信的错误，并结合多分类置信度和准确性（MDCA）损失函数，通过进行温度缩放的后校准，实现期望校准错误（ECE）的提升 5.98% 和最大校准错误（MCE）的提升 17.9%，相较
PDF5 months ago
MITS-GAN: 保护医学影像免受生成对抗网络篡改
介绍了一种新颖的方法 MITS-GAN，用于防止医学图像篡改，特别关注 CT 扫描。该方法通过引入不可察觉但准确的扰动，干扰攻击者的 CT-GAN 结构的输出。该方法的实验证明了其在 CT 扫描数据集上具有卓越的性能，强调了其能够生成无法察
PDF6 months ago
基于 PVT 编码和精细解码的 CT 肝脏分割
提出了一种新的深度学习方法 PVTFormer，采用预训练金字塔视觉变形器（PVT v2）和高级残差上采样与解码器块相结合的方式，在处理高分辨率医学图像时克服了可扩展性和效率问题，通过整合精细的特征通道方法和分级解码策略，生成了优质的分割掩
PDF6 months ago
CT 中胸部淋巴结的分割与解剖先验
通过利用公共的 TotalSegmentator 工具生成的 28 个不同结构（如肺部、气管等）的解剖学先验知识，我们提出了一种在纵隔中分割淋巴结的方法，通过三个 3D nnUNet 模型对 89 位患者的 CT 体积进行训练，并使用包含
PDF6 months ago
一个基于 2.5D ResUnet 模型的肾脏和肿块分割集成
研究中采用 2.5D ResUnet 构建一个高效的粗到细语义分割框架，对 CT 扫描中的肾脏、肾脏肿瘤和肾囊肿进行自动分割。实验结果表明，肾脏、肿瘤和囊肿的 Dice 系数分别为 0.954、0.792、0.691，表面 Dice 系数分
PDF7 months ago
利用具有特征提取的 CycleGAN 从 CT 扫描生成增强的合成 MRI 图像
本研究介绍了一种利用合成 MRI 图像进行增强的单模态配准的方法，通过利用 CycleGANs 和特征提取器从 CT 扫描中生成这些合成 MRI 图像，该方法在多个比较度量标准上表现出优秀的结果，验证了其有效性。
PDF8 months ago
DeepVox 和 SAVE-CT：一种对比度和剂量无关的三维深度学习方法，用于胸部主动脉分割和动脉瘤预测的计算机断层扫描
这项研究探索了使用低剂量 CT 扫描和无对比剂加强 CT 扫描获得的图像进行自动化筛查、评估和分类的方法，开发了一种新型分割模型和 TAA 分类模型，可在不同条件下进行全自动的无对比剂和剂量独立的 TAA 评估，以减少患者的筛查时间和病理评
PDF8 months ago
ICCV基于分割的胰腺导管腺癌肿瘤血管涉及评估用于手术可切除性预测
胰腺导管腺癌（PDAC）是一种具有有限治疗选择的高度侵袭性癌症。本研究提出一种工作流程和基于深度学习的分割模型，自动评估肿瘤 - 血管的参与程度，这是决定肿瘤可切除性的关键因素。肿瘤可切除性的正确评估对于确定治疗选择至关重要。所提出的工作流
PDF9 months ago
利用无成对图像转换实现计算机断层扫描（CT）重建卷积核的跨厂商协调
通过构建多路径循环生成对抗网络，采用非配对图像转换方法在不同制造商之间和不同重建核之间研究谐调化，通过评估谐调化对重建核的影响，最小化肺气肿测量差异，并突出年龄、性别、吸烟状况和制造商对肺气肿定量的影响。
PDF9 months ago
少数平面 X 射线的 CT 重建及其在低资源放疗中的应用
通过使用先前数据分布，我们提出了一种方法，从少量（＜5）平面 X 射线观察中生成 CT 体积，并首次评估了该重建算法用于临床应用：放疗计划。
PDFa year ago