medical image | BriefGPT - AI 论文速递

关键词medical image

搜索结果 - 25

使用提示进行医学图像分割
本文提出了一种利用图像级标签来促进分割的双 U 形两阶段框架，通过预训练分类网络获取层次金字塔特征并引导下游分支的学习，在像素级标签的监督学习下，通过短跳和长跳将从分类分支获得的层次特征输入到下游分支中，并得到病变掩模，实验证明我们的框架相
PDF11 days ago
医学图像配准的循环推理机
通过提出一种名为 RIIR 的新型图像注册方法，该方法将深度学习技术应用于医学图像注册中，提高了注册准确性和数据利用效率。
PDF13 days ago
医学影像系统的深度学习特征提取识别的进展
提出了一种利用空间分层技术的新型无监督医学图像特征提取方法，并提出了基于权重的目标函数以实现快速图像识别。该算法将图像的像素分为多个子域，并使用四叉树访问图像。利用单纯形算法提出了一种阈值优化技术。针对高光谱图像的非线性特征，提出了一种基于
PDFa month ago
CVPRPairAug：增强图像 - 文本配对在放射学中的应用
我们设计了一种 Pairwise Augmentation (PairAug) 方法，旨在同时增强医学图像和文本数据，通过 Inter-patient Augmentation (InterAug) 分支生成使用合成的放射学报告的放射学图像
PDF3 months ago
使用混沌 Henon 映射和分割掩码的选择性加密多维医学图像
以用户为中心的设计和资源优化在任何技术或创新中都应该是关键。该方案创新于医学图像存储和安全领域，通过分割、存储和检索三个主要模块，通过对医学图像进行加密和分割，实现了对关键部分的安全存储，从而提高检索速度。
PDF4 months ago
CAFCT：卷积神经网络和 Transformer 的上下文和注意力特征融合在肝肿瘤分割中的应用
我们提出了一种基于上下文和注意力特征融合增强的卷积神经网络（CNN）和 Transformer 混合网络（CAFCT）模型，用于肝肿瘤分割。在所提出的模型中，引入了其他三个模块：注意力特征融合（AFF）、DeepLabv3 的 Atrous
PDF5 months ago
将边缘融入 U-Net 模型并使用可解释的激活图进行脑肿瘤分割，基于 MR 图像
通过使用边缘地面真实度的方法，与基线 U-Net 和其变种相比，边缘目标训练的模型在核心瘤区域表现良好，并且获得与 Swin U-Net 和混合 MR-U-Net 等基线最先进模型相似的性能，这些边缘训练的模型能够生成对于治疗规划有用的边缘
PDF6 months ago
使用生成的呼吸声进行对抗性微调以解决类别不平衡问题
我们提出了一种简单而有效的深度生成模型，用于增强医学影像中的数据稀缺问题，并通过对抗性微调方法在呼吸音分类上取得了优越的性能。
PDF8 months ago
多层非对称对比学习用于医学图像分割预训练
提出了一种名为 JCL 的新型不对称对比学习框架，用于医学图像分割的自监督预训练，多级对比损失设计确保了编码器和解码器在预训练期间可以学习到多级表示，实验证明该框架优于现有的对比学习策略。
PDF9 months ago
LMBiS-Net: 一种基于轻量级多路径双向跳跃连接的卷积神经网络用于视网膜血管分割
通过提出一种名为 LMBiS-Net 的轻量级像素级卷积神经网络，该论文在仅有 0.172 M 的可学习参数下，成功应用于眼科诊断和治疗中，以实现对视网膜图像的快速准确分割。
PDF10 months ago
基于区域增强的原型转换器的小样本医学影像分割
通过区域原型和抑制干扰的转换器可以提高少样本医学图像分割的准确性和性能。
PDF10 months ago
多步深度配准的构建反一致性
提出了一种将神经网络逆一致化的简单技术，通过构建其结构，只要它将输出变换参数化为李群。将该技术扩展到多步神经注册，通过以保持逆一致性的方式组成许多这样的网络。我们在合成的 2D 数据和四个 3D 医学图像配准任务上评估了我们的技术，在确保逆
PDFa year ago
MM使用 SAM 的输入增强：利用分割基础模型提升医学图像分割
SAM 是一个通用视觉模型，虽然在医学图像分割上的分割效果不高，但其生成的掩膜、特征和稳定性分数可以用于构建和训练更好的医学图像分割模型，该论文展示了如何用 SAM 来增强常用的医学图像分割模型（例如 U-Net），两个数据集上的实验表明了
PDFa year ago
CVPR利用部分标记的数据进行多器官和肿瘤分割的学习
提出了一种基于 Transformer 模型的多动态分割网络 TransDoDNet，在多个部分标记的数据集上学习器官和肿瘤的分割，并创造了一个大规模的部分标记的多器官和肿瘤分割基准 MOTS，结果表明 TransDoDNet 在七项器官和
PDF2 years ago
EMNLPMedCLIP: 对未配对的医学影像和文本进行对比学习
本文提出了一种用于对医学图像和文本进行训练的的简单而有效的框架 ——MedCLIP，该框架采用了对抗学习和多模式学习，并引入医学知识语义匹配。实验结果表明，MedCLIP 在零样本预测、有监督分类和图像文本检索等方面超过了现有最佳方法。令人
PDF2 years ago
贝叶斯伪标签：期望最大化用于鲁棒和高效半监督分割
本研究介绍了一种新的伪标记形式，作为期望最大化算法的清晰统计解释，并提出了一种基于原始伪标记的半监督医学图像分割方法 SegPL，证明了其在 2D 多类 MRI 脑肿瘤和 3D 二进制 CT 肺血管分割任务中的效力和可靠性。
PDF2 years ago
ECCV视觉知识追踪
本文提出了一项新颖的任务，即追踪人类学习者在进行挑战性的视觉分类任务时不断演变的分类行为，提出了一种新的视觉知识追踪模型，并收集三个挑战性的新数据集，从而评估不同的视觉知识追踪方法的性能，结果表明我们的循环模型能够预测人类学习者在三个挑战性
PDF2 years ago
PC-SwinMorph：无监督医学图像配准和分割的补丁表示
本文提出了一种名为 PC-SwinMorph 的新型统一无监督框架，旨在使用基于补丁的策略进行医学图像配准和分割，其中包括对比度策略和自我关注策略，并通过数值和视觉结果证明其优于当前的无监督方法。
PDF2 years ago
BoostMIS: 使用自适应伪标签和信息主动注释提升医学图像半监督学习的效果
本文提出了一种新颖的半监督学习（SSL）框架 BoostMIS，该框架将自适应的伪标记和信息主动注释相结合，以释放医学图像 SSL 模型的潜力。在实验结果中对提出的方法进行了验证，并证明了其对不同医学图像数据集的有效性和广泛适用性。
PDF2 years ago
医学图像复杂场景配准和少样本分割的深度互补联合模型
本文提出了一种新的深度互补联合模型 (DeepRS) 用于处理复杂场景下的医学图像配准和少样本分割问题，包含扰动因子、像素辨别器、基于分割模型的区域约束等设计来增强模型性能。在 CT 数据集上的实验表明该模型在医学图像处理领域中具有优异的性
PDF4 years ago