lesion detection | BriefGPT

关键词lesion detection

搜索结果 - 29

基于位置信息的放射学报告引导的半监督学习在前列腺癌检测中的应用
通过使用未标注图像和基于病灶位置的半监督学习模型，可以改善前列腺病变检测，降低标注负担。
PDF15 days ago
基于差异的脑 MRI 病变检测扩散模型
本文提出了一种名为差异分布医学扩散（DDMD）的模型，用于脑 MRI 中的病变检测，通过将异构样本中的分布差异转化为图像级注释的不一致性，保留了像素级的不确定性，并实现了隐式分割集合，最终提高了整体检测性能。通过在包含脑肿瘤检测的多模态 M
PDF2 months ago
一个面向超声视频的空间 - 时间渐进融合网络用于乳腺病变分割
通过提出的 Spatial-Temporal Progressive Fusion Network（STPFNet）在超声视频乳腺病变分割问题中取得了比现有最先进方法更好的病变检测性能。
PDF4 months ago
所有尺寸都重要：改善小型病变的体积性脑分割
通过神经网络和特定训练模型，针对小型脑转移瘤的检测和分割问题进行研究，提高了检测性能并参与了 2023 年 ASNR-MICCAI BraTS 脑转移瘤挑战。
PDF9 months ago
一种用于 PET/CT 病灶分割的镜像 - Unet 结构
提出一种深度学习方法，用于从 [18F] FDG PET/CT 扫描中分割肿瘤性病变和组织。使用两个 UNet-3D 分支的组合，一个用于分割 CT 图像中的一组组织，另一个用于分割 PET 图像中的病变，并将 CT 分支的信息嵌入到瓶颈中
PDF9 months ago
论 MRI 前列腺癌检测中错误传播的模块化系统评估实践再思考
磁共振成像在前列腺癌（PCa）检测中已成为关键组成部分，人工智能系统可以通过对临床显著（csPCa）和非临床显著（ncsPCa）的病变进行分割和分类来支持放射学评估。本研究通过比较两种具有异质性能的分割网络（s1 和 s2）对检测阶段的影响
PDF10 months ago
基于可变元数据的前列腺病变检测的分离条件对比学习
通过结合多参数磁共振成像、前列腺成像报告与数据系统以及对比损失函数，提高了公开 PI-CAI 挑战数据集上的病变检测的 AUC 值。
PDFa year ago
UGCANet：一种统一的全局上下文感知基于 Transformer 的网络，具有特征对齐功能，用于内窥镜图像分析
本研究提出了一种多任务利用全局上下文感知模块和特征对齐块的 Transformer-based 深度神经网络，可用于精确识别上消化道病变和肠息肉，实验证明其性能卓越。
PDFa year ago
DualAttNet：基于图像级和细粒度疾病注意力的协同融合，用于胸部 X 线多标签病变检测
本文提出一种名为 “DualAttNet” 的双重注意力监督模块，用于胸部 X 光片的多标签病变检测，并对 VinDr-CXR、ChestX-ray8 和 COVID-19 数据集进行评估。实验结果表明，DualAttNet 在不同检测体系
PDFa year ago
利用类激活图对植物叶片病害进行检测
本研究提出了一种基于 ResNet-18 分类器生成类激活映射进行的植物叶片病斑检测方法，无需进行病斑注释，可以有效解决小目标检测问题，从而实现对植物病害的有效控制，成功率为 0.45。
PDFa year ago
具备部分标注乳腺癌超声图像的弱监督病变检测和诊断
本文提出了一种基于弱监督学习的 Two-Stage Detection and Diagnosis Network (TSDDNet)，用于增强乳腺癌超声计算机辅助诊断的精确性，通过优化检测网络和分类网络，使模型在病灶检测和诊断任务中达到最
PDFa year ago
一种基于图卷积神经网络的细微癫痫病变稳健且通用的分割方法
使用图卷积网络作为语义分割来探讨基于表面特征和手工病变掩模的 FCD 检测，包含辅助距离预测减少假阳性和弱监督分类损失，AUC 值为 0.74，特异性达到了 71%。
PDFa year ago
在实时超声病变检测中挖掘负时间上下文以抑制假阳性
提出了一种名为 UltraDet 的模型，通过集成负上下文（NTC）以抑制假阳性，结合反向光流引导提取前一帧的上下文信息，在超声扫描过程中能够帮助医生更准确地诊断癌症。
PDFa year ago
基于增强特征提取处理的糖尿病视网膜病变快速检测策略
本研究旨在开发一个增强型深度学习模型，用于诊断糖尿病视网膜病变，从而实现早期的 DR 识别和病变的检测。该模型将从视网膜图像中检测出各种病变，首先从视网膜底部图像中提取特征并进行分类，然后使用 EDLM 进行降维，并使用随机梯度下降优化器对
PDFa year ago
基于孪生神经网络潜空间的单类支持向量机用于脑 MRI 白质高信号异常无监督检测
提出基于 Patch 自编码器的无监督异常检测方法，在多模态神经影像任务中，将单类支持向量机应用于异常检测以检测病变，评估了该模型在公共数据集 White Matter Hyperintensities (WMH) Challenge 上的
PDFa year ago
混合阶 self-paced 策略课程学习用于全局病变检测
本文提出一种新的混合阶段的自主课程学习（Mo-SCL）方法，通过集成不确定性和损失来更好地在线估计难度，并将易于和困难样本混合在同一个小批次中以适当地缓解困难样本的问题，在医学图像分析任务中（如通用病变检测）获得了成功。
PDFa year ago
ECCV根据两两病灶对应关系指导乳腺 X 线摄影乳房肿块检测
本文提出了一个全新的基于 Transformer 的 CL-Net 框架，可以在端到端的方式下，学习病变检测和配对位置，并设计了一个可交互的检测器和病变关联器来确定正确的匹配位置，从而在乳腺 X 线摄影图像的准确病变检测方面取得了最优异的表
PDF2 years ago
增强光谱乳腺 X 线摄影中的病变检测
本研究介绍了使用深度学习构建的计算机辅助诊断 (CAD) 技术，基于 Contrast Enhanced Spectral Mammography (CESM) 图像，通过神经网络识别乳腺恶性病变和进行分类，前期数据的结果证明最终模型在乳腺
PDF2 years ago
基于多风格和多视角对乳腺 X 光检测的领域泛化方法
本研究开发了一种对深度学习模型进行增广的对比学习方案，通过多样性图片样式训练深度学习网络，可以提高深度学习模型的泛化能力，改进了乳腺摄影病变检测性能，胜过了许多先进的泛化方法。
PDF3 years ago
使用异构和部分标签的多数据集学习，实现 CT 通用病变检测
该研究旨在开发一种通用的病变检测算法，通过利用粗略标注和临床知识，在多个异构数据集上进行训练，实现在多种病变类型下的准确检测。
PDF4 years ago