medical image recognition | BriefGPT

关键词medical image recognition

搜索结果 - 12

预训练视觉语言模型中的伪提示生成，面向多标签医学图像分类
该研究介绍了一个新的提高医学图像识别性能的方法，利用预训练视觉 - 语言模型和伪提示生成来实现多标签分类和自动诊断，对比实验证明了其在多标签胸部放射图数据集上的卓越性能。
PDF2 months ago
自主学习的文本视觉框架用于自动脑部异常检测
通过利用神经放射学报告中丰富的信息，我们提出了一个自监督的文字 - 视觉框架，通过对脑部 MRI 扫描进行无监督学习，检测临床相关的异常，为自动分类、自动分级等应用提供支持。
PDF2 months ago
自监督 BYOL 在半监督医学图像识别中的整合
通过将自监督学习与半监督模型结合，我们提出了一种创新方法以提高医学图像识别的能力。通过在未标记数据上进行预训练，然后将伪标记和标记数据集合并构建神经网络分类器，并通过迭代微调进行优化，实验证明我们的方法在医学图像识别的准确性方面优于现有方法
PDF3 months ago
弱监督提示学习下的低资源医学图像分类探索
通过弱监督的提示学习方法 MedPrompt，自动生成医学提示并利用预训练的视觉 - 语言模型，在低资源情况下提升医学图像识别的性能和准确率。
PDF5 months ago
SynthVision - 通过使用合成图像数据，在计算机视觉模型中最大化输出
使用合成数据和扩散模型快速生成高质量训练数据，构建具有 96% 准确率和 99% 精准度的计算机视觉模型，用于快速检测人乳头瘤病毒生殖器疣。
PDF5 months ago
基于胸部 X 射线的长尾、多标签疾病分类研究概述：CXR-LT 挑战的综述
在医学图像识别中，我们提出了一个长尾多标签疾病分类的问题，并通过一个公开的挑战 (CXR-LT) 提供了一个大规模数据集来解决这个问题。我们总结了表现最好的解决方案的共同主题，并提出了对于长尾多标签医学图像分类的实用建议，最后，我们利用这些
PDF8 months ago
大规模无条件预训练的合成增强
通过在大规模无标签数据集上预训练潜在扩散模型（LDM），我们提出了一种名为 HistoDiffusion 的合成增强方法，然后在未见过的有标签数据集上通过分类器引导在潜在空间中微调模型，以合成特定类别的图像，并采用选择性机制只添加与目标标签
PDFa year ago
通过公平的多出口皮肤病诊断框架实现公平
通过提出基于公平性的多出口深度神经网络框架来解决深度神经网络普遍存在的精度和公平性之间的平衡问题，并在两种皮肤病数据集上实验，取得了在提升公平性方面的较好结果。
PDFa year ago
DAGrid：有向累加器网格
该研究通过设计采样网格和参数化几何先验来实现像素级稠密预测，提出了 Directed Accumulator Grid (DAGrid)，并发现在医学图像识别中和小型不平衡数据集方面，采用 DAGrid 可以显著提高识别性能。
PDFa year ago
基于注意力机制的连体卷积神经网络在医学图像识别中的应用
本研究基于注意力和连体神经网络，针对少样本和细粒度图像识别问题，提出了适用于分类模型的连体神经网络，并使用注意力神经网络来改善分类效果，结果表明，在 COVID-19 肺样本上测试，样本数量越少，与普通神经网络相比优势越明显。
PDFa year ago
基于 CNN 视频分类框架的脑磁共振图像分析实证研究
本研究针对医学影像识别问题，探讨应用视频识别技术作为磁共振图像分类的方法，并运用三种不同的视频识别模型和数据增强技巧分别对四个阿尔茨海默病和帕金森病识别数据集进行实验。结果显示，相对于 3D-CNN 模型，视频框架在有效性上表现更佳，可减少
PDFa year ago
使用 DeTraC 深度卷积神经网络对胸部 X 光图像进行 COVID-19 分类
本论文验证了新开发的 CNN 模型 DeTraC 在 COVID-19 胸部 X 光图像分类中的有效性，其采用转移学习机制解决了医学图像分类的挑战，经实验证明，在世界多个医院收集的全面数据集上，DeTraC 能够以 95.12% 的准确率检
PDF4 years ago