imaging modalities | BriefGPT

关键词imaging modalities

搜索结果 - 8

深度学习和合成训练数据在 sOCT 中的神经血管分割
该研究使用序列切片光学相干断层扫描技术开发了一种高度可推广的神经血管分割方法，不需要手动注释并达到了人类水平的精度。
PDF5 days ago
基于混合模态专家的脑损伤分割基础模型
我们提出了一个用于三维脑病变分割的通用基础模型，它可以自动分割不同类型和不同成像模态数据的脑病变。我们设计了一种新颖的多模态专家混合框架，利用多个专家网络处理不同的成像模态，并使用分层门控网络将专家预测结果相结合。此外，在训练过程中引入课程
PDF2 months ago
SAM3D：零射击半自动三维医学图像分割
SAM3D 是一种新的半自动零射击 3D 图像分割方法，通过现有的任意分割模型，利用四步策略实现在 3D 图像中快速且准确的分割，可以帮助手术规划和教育、诊断成像以及科学研究。
PDF2 months ago
PEMMA: 用于医学图像分割的参数高效多模态适应性
提出了一种适用于基于 CT 扫描模型的轻量级升级的参数高效多模态适应（PEMMA）框架，以将 PET 扫描纳入其中，通过将注意力权重进行低秩适应（LoRA）实现参数高效调整，同时最小化交叉模态耦合，使单一模态下训练和更新联合模型成为可能，并
PDF3 months ago
推进医学图像中的低秩和局部低秩矩阵逼近：系统文献综述与未来方向
医学成像中应用低秩矩阵逼近和局部低秩矩阵逼近具有潜力。通过系统文献综述，本文研究了低秩矩阵逼近和局部低秩矩阵逼近在医学成像中的应用，讨论了存在的挑战与局限，并探讨了这些方法在医学成像中的潜力、有效性以及扩展到不同类型医学数据的可能性。同时提
PDF5 months ago
异模态变分编码器 - 解码器用于联合模态完成和分割
本研究提出了一种新的深度学习方法用于肿瘤分割，特别是在处理数据缺失时具备先进性。首先，将所有观察到的模态独立地嵌入到共享潜在表示中，然后从这个潜在表示中生成缺失数据和肿瘤分割。最后，通过将双方的优点与 3D U-Net 和多模态变分自编码器
PDF5 years ago
心脏病学中的深度学习
本文回顾了在心脏病学领域中使用深度学习技术的应用论文，重点讨论了在医学领域中使用深度学习的优势和局限性，并提出了一些在临床实践中最可行的方向。
PDF5 years ago
医学图像融合技术现状综述
介绍了医学图像融合的方法和应用，强调融合多模式医学图像在提高医学诊断精度和临床应用性上发挥了积极作用，并提出了未来研究所面临的挑战。
PDF11 years ago