histopathological images | BriefGPT

关键词histopathological images

搜索结果 - 28

通过多视图图形对比学习与 HSIC 瓶颈正则化从组织学中预测空间分辨率基因表达
通过多视图图对比学习和 HSIC 约束正规化方法构建的空间转录组学 (ST) 框架 (ST-GCHB)，以学习共享表示来考虑空间依赖性，从而根据查询的图像点来估计相应的基因表达量。
PDF14 days ago
AWGUNET: 基于注意力引导小波 U-Net 的组织病理图像细胞核分割
准确的核分割对于癌症诊断至关重要。本文提出了一种将 U-Net 架构与 DenseNet-121 主干相结合的分割方法，利用两者的优势捕捉全面的上下文和空间信息。我们的模型引入了小波引导通道注意模块以增强细胞边界勾画，并使用可学习的加权全局
PDF20 days ago
基于自对比的半监督学习框架用于预后预测的全切片图像
应用深度学习技术分析组织病理图片对于自动预后预测的重要性进行了创新性研究，提出了一个新颖的三部分框架，包括基于卷积网络的组织分割算法、对比学习模块和嵌套多示例学习分类模块。在人工生成的数据和简单的诊断任务上进行了初步验证，并在膀胱癌的预后预
PDFa month ago
基于 Transformer 的自监督学习用于缺血性脑卒中血栓起源的组织病理分类
利用自我监督深度学习方法识别缺血性中风血栓来源的数字病理学研究，模型在交叉验证和测试集上取得了良好的性能，但仍需要进一步改进模型，并验证其有效性。
PDF2 months ago
使用 DRDA-Net 和 MobileNet 进行乳腺癌分类的轻量级深度学习管道
通过引入一种新的深度学习方法，结合 DRDA-Net 和 MobileNet 模型，旨在提高乳腺癌组织病理图像的分类准确性，从而为准确的乳腺癌诊断提供了更快速和更易于实现的筛查方案。
PDF3 months ago
基于 SAM 的弱监督细胞分割中的引导提示
利用弱监督方法，在细胞分割的任务中使用 Segment Anything 模型（SAM），通过对象检测器的输出作为测试时的提示信息（D-SAM），以及 SAM 作为伪掩膜生成器在训练数据上训练一个独立的分割模型（SAM-S），并通过整数规划
PDF7 months ago
核分割的两阶段联合传导和归纳学习
在诊断和治疗癌症疾病中，基于人工智能的组织病理学图像中的细胞核分割是一项至关重要的任务，它减少了手动筛查显微组织图像所需的时间，并且能够解决病理学家在诊断过程中的冲突。本研究提出了一种新颖的细胞核分割方法，利用了可用的带标签和未标签数据。该
PDF8 months ago
组织病理学癌症检测
癌症早期诊断是制定有效治疗计划并确保病人健康安全的必要步骤，本研究通过深度学习构建了一个潜在的肿瘤预后分类模型，利用组织病理学图像中有价值的信息，选择了 PatchCamelyon 基准数据集，训练了多层感知器和卷积模型，并评估了其精确度、
PDF8 months ago
利用样式增强特征域混合的组织病理学图像分析以提高泛化能力
本研究提出了一种基于特征域风格混合的技术，利用自适应实例归一化生成具有风格增强版本的图像。通过与现有的基于风格迁移的数据增强方法进行比较，发现该方法在计算和时间上要求较低的情况下表现相似或更好。研究结果展示了特征域统计混合在组织病理学图像分
PDF8 months ago
引入多实例学习中的实例标签相关性。应用于组织病理图像癌症检测
本文通过引入与统计物理的 Ising 模型相关的新偶合项扩展了一种基于高斯过程的最先进弱监督多实例学习方法 (VGPMIL-PR)，提高了在组织病理学图像中检测前列腺癌的效果，并通过可视化和分析提供了洞察力，有望在其他研究领域中应用该模型。
PDF8 months ago
基于组织病理图像的胶质瘤亚型分类：领域内和领域外迁移学习的实验研究
我们在本文中对用于成年型弥漫性胶质瘤的计算机辅助分类的各种迁移学习策略和深度学习架构进行了全面比较。我们评估了针对组织病理学图像目标领域的域外 ImageNet 表示的泛化能力，并研究了使用自监督和多任务学习方法进行预训练的在域适应的影响。
PDF9 months ago
LDCSF: 基于局部深度卷积的水生框架用于多标签组织病理学图像分类
为了提高组织病理图像的多标签分类准确性，本文提出了一种局部深度卷积浮游 (Swin) 框架 (LDCSF) 来分类多标签组织病理图像，并基于该分类结果计算了肝癌组织病理图像的肿瘤至基质比率。
PDF10 months ago
基于 MobileNetV1 和 MobileNetV2 的乳腺癌性能研究
研究人工智能在医学领域的应用，主要比较 MobileNetV1 和 MobileNetV2 模型在检测 Kaggle 下载的乳腺组织病理图像方面的表现，结果显示在处理该数据集的情况下，MobileNetV1 优于 MobileNetV2。
PDFa year ago
基于双层优化的组织病理学图像自动数据增强学习
通过自动数据增强学习方法，我们提出了一个神经网络模型训练的解决方案，可以自动学习改善模型训练所需的颜色和几何变换参数，特别适用于组织病理学图像的分类任务。
PDFa year ago
利用异构图模型对生物实体的空间关系进行建模，用于乳腺癌的诊断
本文旨在提出一种基于异构图神经网络的新方法，通过捕获细胞与组织之间的空间和层次关系，增强组织学图像中有用信息的提取，与转换器方法相比，本方法在参数数量和准确性方面都有所突破，在三个公开的乳腺癌数据集中表现出更高的效率和精度。
PDFa year ago
采用无监督 CAE 方法实现更透明和准确的癌症诊断
通过使用基于内容的医学图像检索 (CBMIR) 分析组织病理学切片图像，数字病理学通过提供一种强大的工具进而革命了肿瘤诊断；为了解决 CBMIR 中缺乏标注的组织病理学图像的问题，文中提出了一种无监督学习方法 (UCBMIR), 并采用基于
PDFa year ago
CB-HVTNet：一种增强通道的混合视觉 Transformer 网络，用于组织病理学图像中淋巴细胞评估
CB HVT 是一种具有先进性能的医学图像诊断工具，利用了 transformers 和 CNN，采用通道增强方式来进行 AI 辅助病理检测和分析，能够有效识别组织图像中的淋巴细胞等相关信息。
PDFa year ago
基于迁移学习的乳腺癌组织病理图像检测深度分析
本研究使用 2453 个组织病理学图像数据集，分离有侵袭性导管癌（IDC）和无 IDC 的数据，分析了预训练的深度迁移学习模型如 ResNet50、ResNet101、VGG16 和 VGG19 在检测乳腺癌方面的应用，研究发现 ResNe
PDFa year ago
Slideflow: 实时全切片可视化的数字病理学深度学习
Slideflow 是一种灵活的深度学习库，支持数字病理学的广泛深度学习方法，并包括快速的整个幻灯片接口来部署已训练好的模型，同时也具有高度优化的整个幻灯片图像处理等特点。
PDFa year ago
学习图像表示以进行异常检测：应用于药物开发中发现组织学改变
本文提出了一种在组织病理学图像中进行异常检测的系统，该系统使用单类分类器、预训练的卷积神经网络和一个辅助任务进行训练，并用于药物毒性评估，结果优于已有的方法。
PDF2 years ago