medical image classification | BriefGPT

关键词medical image classification

搜索结果 - 65

嵌入式提示调整：提高预训练医学图像模型的校准能力
基于大规模数据进行预训练的基础模型在各种自然成像下游任务中广泛取得成功。参数高效微调方法旨在通过仅更新少量参数以减少计算开销，使基础模型适应新领域。然而，这些参数高效微调方法的有效性，尤其是在跨域少样本场景（如医学图像分析）中，并未完全探讨
PDF3 days ago
用于脂肪肝疾病检测的鲁棒优化的深度特征解耦网络
通过使用深度学习框架，本文提出了一种创新的方法来消除分类器的识别弱点，提高其平均性能，特别针对医学图像分类、不同类别之间的平衡、脂肪肝、对抗训练等领域展开研究。
PDF9 days ago
Diff3Dformer：利用切片序列扩散增强 Transformer 网络在 3D CT 分类中的应用
利用扩散模型的潜在空间来形成 3D 分析的切片序列，并将聚类关注融入 ViT 以聚合 3D CT 扫描中的重复信息，从而利用先进的 Transformer 模型在小型数据集上执行 3D 分类任务，表现出卓越的性能。
PDF10 days ago
释放开放集嘈杂样本潜力：针对医学图像分类的标签噪声
在医学图像分类方面，为解决闭集和开放集标签噪音的问题，我们提出了一个扩展噪音鲁棒对比和开放集特征增强（ENCOFA）框架，包括扩展噪音鲁棒有监督对比（ENSC）损失和开放集特征增强（OSFeatAug）模块，针对开放集噪音样本的识别和特征提
PDF16 days ago
基于分割基础模型的医疗图像分类提升
本文介绍了一种基于 Segment Anything Model（SAM）的创新增强方法 SAMAug-C，用于生成原始图像的变体并增强分类数据集，实验结果验证了该方法的有效性。
PDF18 days ago
将人类知识与视觉概念对齐，实现可解释的医学图像分类
通过融合领域知识与大型语言模型，Explicd 提出了一种可解释的、以诊断标准为基础的语言辅助诊断框架，不仅模拟了人类专家的决策过程，还提高了医学图像分类性能。
PDFa month ago
MoVL: 探索预训练模型在医学图像任务中的领域自适应应用的融合策略
对于医学图像分类，本研究引入了视觉提示技术（VP）以填补输入医学图像与常规预训练视觉模型之间的差距，并通过设计包含分类损失和差异损失的联合学习损失函数来进行联合训练，命名为 MoVL（混合视觉提示和线性探测）。实验证明，MoVL 具有实现完
PDF2 months ago
重新思考模型原型设计：通过 MedMNIST + 数据集集合
该研究提供了一个全面的基准测试，用于多样化评估医学图像分类的常见卷积神经网络和 Transformer-based 模型，并发现计算效率高的训练方案和现代基础模型在减少昂贵的端到端训练和资源精细的方法之间具有潜力。此外，研究结果表明，较高分
PDF2 months ago
基于深度学习的多模态医学图像分类信息融合技术综述
多模医学成像在临床诊断和研究中起着关键作用，深度学习多模态融合技术在提高医学图像分类方面显示出强大的工具。本综述对基于深度学习的医学分类任务中的多模态融合的发展进行了彻底分析，包括不同融合方案和网络架构的性能评估，讨论了相关挑战和未来研究方
PDF2 months ago
基于分布式联邦学习的隐私 MRI 脑瘤检测深度学习模型
本研究通过创新性地使用联邦学习方法，解决数据隐私和高效疾病诊断的双重挑战，以提高医学图像分类的准确性和效率，展示了联邦学习在磁共振成像（MRI）脑肿瘤检测中的应用效果，并强调了解决数据异质性的重要性和拓展联邦学习在医学图像分析中的研究方向。
PDF3 months ago
PM2: 一种新的提示多模型模型范式用于少样本医学图像分类
在医学图像分类中，提出了一种基于多模型基础模型的新的提示多模型模型范例（PM2），通过多种提示方案以及线性探测技术，PM2 能够有效地应对医学图像分类的挑战并取得了最先进的性能。
PDF3 months ago
基于对比的深度嵌入对抗病理图像标签噪声鲁棒性分类
深度学习在医学图像分类方面取得了显著的进展，然而在组织病理学图像分类中，噪声标签表示了一个关键挑战，导致深度学习模型性能严重下降。本研究通过对多个数据集进行彻底的经验分析，展示了基于自监督对比训练方式训练的基础模型所提取出的嵌入向量对标签噪
PDF3 months ago
改进的 EATFormer：用于医学图像分类的视觉 Transformer
本文提出了一种基于进化算法的改进型 Transformer 架构，用于医学图像分类。该架构在 Convolutional Neural Networks 和 Vision Transformers 的基础上结合了它们的优势，利用它们在数据中
PDF3 months ago
FPT：用于高分辨率医学图像分类的参数和内存高效微调的细粒度提示调整
提出了一种用于医学图像分类的精细化提示调整（FPT）的参数高效调整方法，FPT 相较于其他参数高效调整方法明显降低了内存消耗，并通过引入精细化提示和重要标记选择等技术降低了训练成本和内存需求。
PDF4 months ago
上下文学习使得多模态大型语言模型能够对癌症病理图像进行分类
本研究评估了具有上下文学习能力的模型 Generative Pretrained Transformer 4 with Vision (GPT-4V) 在癌症图像处理中的应用，结果显示在组织亚型分类、结肠息肉亚型分类和淋巴结切片中的乳腺肿瘤
PDF4 months ago
医学图像分类上的动态扰动自适应对抗训练
提出了一种动态扰动自适应对抗训练（DPAAT）方法，通过将对抗训练放置在动态学习环境中，生成自适应的数据级扰动，并通过损失信息收集提供动态更新的准则，从而在提高鲁棒性的同时保留高泛化能力。在皮肤科 HAM10000 数据集上进行全面测试，表
PDF4 months ago
基于贝叶斯的随机语义数据增强在医学图像分类中的应用
提出了一种名为 Bayesian Random Semantic Data Augmentation 的新型、高效且即插即用的语义数据增强方法（BRSDA），通过在特征空间中沿特定方向进行简单的平移，实现语义转换，并结合其他主流的数据增强方
PDF4 months ago
MedMamba：针对医学图像分类的视觉蛇
Medical image classification using Vision Mamba, a novel Conv-SSM module that combines convolutional layers with state s
PDF4 months ago
探讨视觉变换器在医学图像分类中对标签噪声的稳健性
医学图像分类数据集中的标签噪声严重影响了受监督深度学习方法的训练，削弱了其泛化能力。本文研究了 Vision Transformer (ViT) 相对于 CNN 的鲁棒性，以及其处理医学图像分类中标签噪声的能力，并使用两个医学图像分类数据集
PDF4 months ago
基于 kNN 和基础模型的可适应且注重隐私的图像分类
存储底层训练数据的嵌入表示的方法，结合了 $k$- 最近邻分类器和基于视觉的基础模型，在数据隐私保护方面具有动态修改和良好的解释性和适应性，通过实验证明在基准数据集和医学图像分类任务中有更好的分类性能，同时在持续学习和数据删除场景中展现出良
PDF4 months ago