medical image processing | BriefGPT

关键词medical image processing

搜索结果 - 30

通过人机协同标注进行吲哚菁绿色荧光血管造影图像的脉络膜血管分割
该研究利用 Human-in-the-loop (HITL) 框架发展了高精度的 ICGA (青铜绿素绿荧光血管造影) 病变检测模型，通过多源 ICGA 数据集进行模型训练，并成功降低了手动标注的工作量。研究还发现多维度的脉络膜血管参数与多
PDFa month ago
DenseSeg: 使用密集的图像到形状表示进行语义分割和关键点检测的联合学习
采用密集的几何形状表示，通过使用完全卷积的架构，我们提出了一种联合学习标记点和语义分割的方法，并证明其在困难的标记点检测任务中优于热图回归的先进方法，无需对标记点进行显式训练，在不需要重新训练的情况下可以添加新的标记点。
PDFa month ago
支持 - 查询原型融合网络用于少样本医学图像分割
近年来，基于卷积神经网络的深度学习在许多应用中取得了显著的成功。然而，它们对大量标注数据的依赖以及对未知类别的有限泛化能力对于医学图像处理任务来说是一个挑战。少样本学习利用少量标注数据进行泛化到未知类别的能力已经成为一个关键性的研究领域，吸
PDF2 months ago
一种改进的监督对比学习方法在乳腺癌组织学图像分类中的应用
通过改进监督对比学习方法，结合自监督学习和标签数据，在有限数据情况下提高医学图像处理任务中深度神经网络的分类准确率，特别是在乳腺癌组织病理学图像上实现了 93.63% 的绝对准确度。
PDF2 months ago
基于主成分分析和机器学习的阿尔茨海默病辅助诊断系统
通过使用人工神经网络和支持向量机作为分类器，以及主成分分析作为特征提取技术，这篇论文研究了基于机器学习的方法在阿尔茨海默病检测和分类中的性能，并表明这种组合方案在准确度和优势方面取得了显著成果。
PDF3 months ago
基于视觉基础模型的病理原始分割与零样本蒙版生成
通过对 SAM 进行自适应预训练图像编码器以进行基于检测的区域提议，我们的方法在病理学领域的两个基本分割任务中达到了与最先进模型相媲美的 F1 得分（细胞核检测）和二进制 / 多类别 panoptic（bPQ/mPQ）和掩模质量（dice）
PDF3 months ago
基于分割引导的膝关节 X 射线图像生成，使用条件扩散模型
使用条件扩散模型从轮廓和骨骼分割生成膝关节 X 射线照片，并展示了条件采样和条件训练两种方法能够生成逼真的图像，并且条件训练方法表现优于条件采样方法和传统的 U-Net 模型。
PDF3 months ago
医学图像的卷积分解中的奇异值扁平化
通过将卷积滤波器的权重矩阵分解为两个低秩矩阵，将模型进行减少，并通过最小化两个低秩权重矩阵与均匀分布之间的 KL 散度，减少具有显著方差的奇异值方向的数量，从而提高因子化卷积在医学图像处理模型中的表达能力。我们的 SFConv 在多个数据集
PDF4 months ago
心脏病预测的改进灰狼优化算法
该论文通过将自适应曲线灰狼优化算法引入神经网络反向传播，提出了一种独特的解决医学图像处理中的挑战的方法。应用该方法能够增加神经网络的鲁棒性和泛化能力，并在公共可访问的 Cleveland 心脏病数据集上实现了 86.8% 的准确率，表明其在
PDF5 months ago
多任务学习以改善使用图像重建的 CBCT 扫描的语义分割
通过多任务学习改进 CBCT 的自动分割，探索了基于整体和基于块状的方法，发现多任务学习在大多数情况下改善了分割效果，并且我们的去噪方法进一步提高了这些结果。
PDF6 months ago
基于可解释人工智能特征保持损失的医学图像去噪
提出了一种新的医学图像去噪方法，该方法不仅能有效去除各种类型的噪声，还能在整个过程中保持关键的医学特征。通过梯度上升的可解释人工智能方法设计了一种特征保留损失函数，实验证明我们的方法在去噪性能、模型可解释性和泛化能力方面具有显著优势。
PDF8 months ago
生成对抗网络三维骨骼图像合成
利用三维生成对抗网络（GANs）能够高效地生成高分辨率的医学体积，实现模型可解释性和应用，包括图像变形、属性编辑和样式混合，并在三维 HR-pQCT 示例数据库上进行了广泛验证。
PDF8 months ago
ICCV一种基于梯度优化的骨架化算法
基于矩阵运算的三维骨架化算法可与梯度优化相结合，有效保留物体的拓扑结构，并在医学图像处理方面具有广泛应用。
PDF10 months ago
INCEPTNET：精确早期疾病检测应用于医学图像分析
提出了一种名为 InceptNet 的深度神经网络，用于医学图像处理中的早期疾病检测和分割，以提高精度和性能。它通过与用户的交互生成全面的应用程序，同时通过添加不同并行内核大小的 Inception 模块来改善网络的能力。在四个基准数据集上
PDF10 months ago
预测生成治疗后新血管形成型年龄相关性黄斑变性的单视野疾病演变学习
提出了一种用于预测治疗后视网膜黄斑变性的 OCT 图像的单视角疾病演变网络 (SHENet)，通过输入治疗前的 OCT 图像，将其转化为深层特征，然后预测疾病演变过程，最后通过特征解码器生成治疗后的 OCT 图像。SHENet 在预测性能和
PDFa year ago
衡量合成医疗图像全局一致性的指标
在这项研究中，我们引入了两个度量标准，可以在图像的基础上测量合成图像的全局一致性，并且与传统的指标相比，我们的方法可以在每个图像上明确地测量全局一致性，从而实现对单个合成图像的生物合理性的专门分析。
PDFa year ago
基于深度神经网络的心脏磁共振图像方位识别与标准化
利用深度神经网络对心脏 MRI 图像的取向进行分类和标准化，采用迁移学习策略适应多序列和多模态的 MRI 图像，验证了模型的鲁棒性和有效性。
PDFa year ago
CohortFinder：用于数据驱动的生物医学图像队列划分的开源工具，以产生强大的机器学习模型
CohortFinder 是一个数据驱动的开源工具，可以通过分组来缓解批次效应，并且在下游医学图像处理任务中提高了机器学习模型的性能。
PDFa year ago
跨模态注意力适配器：一种对使用多模态脑 MR 图像的 SAM 进行胶质瘤分割微调的方法
本文提出了一种基于跨模态融合的注意力适配器细调基础模型来完成多模态 MRI 脑图像下胶质瘤分割任务的方法，该方法优于现有技术方法，具有 88.38％的 Dice 系数和 10.64 的 Hausdorff 距离，从而在分割胶质瘤区域方面呈现
PDFa year ago
医学影像的少样本学习：方法学和数学框架的比较分析
深度学习在医学图像处理领域的应用受到数据不足的限制，因此研究者们开发出了一种称为 “Few-shot learning” 的模型，通过分类和分割方法来从小规模数据集中提取特征以解决数据不足的问题。本文综述了 Few-shot learnin
PDFa year ago