liver segmentation | BriefGPT

关键词liver segmentation

搜索结果 - 7

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
FourierLoss：基于傅里叶描述符的形状感知损失函数
通过引入一种名为 FourierLoss 的新的形状感知损失函数，我们提出了一种训练方法，可以提高编码器 - 解码器网络在医学图像分割任务中的准确性。通过对地面实况和预测分割地图的傅里叶描述符进行计算，基于量化形状差异的形状感知损失函数惩罚
PDF10 months ago
采用对象相关高层特征的改进 U-Net (mU-Net) 用于 CT 图像中肝脏和肝肿瘤分割的提升
本文介绍了一种将残差通路与反卷积和激活操作相结合的 U-Net 架构，用于肝和肝癌的自动分割，进而提高肝癌放疗任务的效率。在 LiTS 2017 数据集上，经验证明这种改进的 U-Net（mU-Net）优于现有的最先进网络。
PDF5 years ago
通过分离的表示进行无监督域自适应：应用于跨模态肝脏分割
通过训练深度学习模型将 CT 图像的肝脏分割模型迁移到 MRI 图像分割任务中，通过领域自适应方法中的分解表示方法，我们将一个域中的图像映射到共享内容空间和特定样式空间中，这使得我们在多模式医学图像领域实现了高精度的肝脏分割。
PDF5 years ago
使用级联完全卷积神经网络自动分割 CT 和 MRI 体积中的肝脏和肿瘤
该论文利用级联全卷积神经网络自动进行肝脏和肝脏病变的分段，以实现高质量的医学影像分析和临床诊断。论文结果表明，其分割结果和计算时间均较为准确和快速。
PDF7 years ago
基于 3D 深度监督网络的 CT 肝脏自动分割
本文提出了一个新颖的 3D 深度监督网络（3D DSN）并引入深度监督机制来解决自动肝脏分割的挑战性任务，并且采用条件随机场模型来获得更精细的分割结果。在公共数据集上进行的广泛实验证明，我们的方法可以实现与最先进方法竞争的分割结果，并且具有
PDF8 years ago
使用卷积神经网络和图割自动定位及分割三维肝部影像
该研究提出了一种基于深度学习和图割优化的自动肝脏分割算法，可在临床设置中实现高效而准确的肝容积估算，可替代耗时且不可重复的手动分割方法。
PDF8 years ago