medical image segmentation | BriefGPT

关键词medical image segmentation

搜索结果 - 466

AstMatch：用于半监督医学图像分割的对抗自训练一致性框架
在本研究中，我们提出了一种对抗自我训练一致性框架 (AstMatch)，通过设计对抗一致性正则化方法增强知识传递，并在不同扰动强度下增强预测一致性，应用特征匹配损失进行对抗训练以获得高层一致性正则化，并引入金字塔通道注意力和高效通道空间注意
PDF4 days ago
对 CT 图像退化进行的黑盒模型鲁棒性测试：基于测试时增强的方法
通过模型架构和数据预处理对多个常用分割和目标检测方法在模拟 CT 成像伪影和退化情况下的鲁棒性进行了测试，并考虑了通过模拟扫描仪老化或成像协议变化引起的图像质量的未来变化对深度学习模型的临床应用的可持续性的影响。
PDF5 days ago
自动图像数据标注的分段模型：基于 Grounding DINO 的文本提示的实证研究
通过对八个公开数据集的实证研究，揭示了参考表达理解 (REC) 框架在特定领域中存在的预测错误问题，并提出了一种简单的策略来减轻这些错误，进而改进了基于 REC 的检测和自动分割，同时报告了在多个专业领域中使用 SAM 技术进行分割的性能显
PDF5 days ago
单步反向过程稳定的生物医学图像扩散分割
通过稳定扩散（SD）模型，我们引入了第一个潜伏扩散分割模型 ——SDSeg，该模型在医学图像分割中克服了资源和时间需求大、多步反向过程和多个样本预测可靠性等挑战，实验证明它在包含不同成像模态的五个基准数据集上胜过现有的最新方法。
PDF6 days ago
检测时生成式增强用于医学图像分割
本文提出了一种新颖的方法来增强测试时间内的医学图像分割，通过将生成模型整合到测试时间扩充中，可以有效地生成给定测试样本的多个视图，从而提高分割结果的可靠性。
PDF7 days ago
基于方向窗口注意力的医学图像分割
DwinFormer 是一个层级编码器解码器架构，具有方向窗口（Dwin）注意力和全局自注意力（GSA）用于特征编码，通过在水平、垂直和深度方向分别执行注意力，在输入特征图的这些方向体积中有效地捕捉局部和全局信息，实验证明它在医学图像分割方
PDF7 days ago
视觉 xLSTM 嵌入的 UNet 在医学三维图像分割中更可靠吗？
这篇论文研究了将 CNN 和 Vision-xLSTM 模型相结合的新方法 UVixLSTM，提出了它作为医学图像分割任务可靠的主干结构，提供出色的分割性能和较低的计算复杂性，并在公开可用的 Synapse 数据集上展现了卓越的性能。
PDF8 days ago
揭开 U-Net 模型中感受野尺寸对医学图像分割效果的神秘
医学图像分割是医疗应用中关键的任务，本研究探讨了 U-Net 和 Attention U-Net 架构中的感受野（RF）大小及其对模型性能的影响，研究了 RF 大小与感兴趣区域特征、模型性能以及计算成本之间的关系，提出了表示给定网络层的理论
PDF8 days ago
医学图像分割的自我监督对齐学习
最近，自监督学习方法已被用于对二维和三维医学图像的分割模型进行预训练。本文提出了一种新的自监督对齐学习框架来预训练医学图像分割的神经网络，其中包括了一个全新的局部对齐损失和全局位置损失。实验结果表明，该对齐学习方法在有限标注的 CT 和 M
PDF10 days ago
自主调整 UNet：用于医学图像分割的自主调整 UNet
本文研究探讨了 UNet 在医学图像分割中的学习模式，并提出了解决非对称监督引起的不相关特征和特征冗余的方法，通过利用特征蒸馏，在几乎无计算成本的情况下，将提出的方法应用于现有的 UNet 架构中，实验结果表明该方法在四个医学图像分割数据集
PDF11 days ago
CriDiff: 利用生成预训练的 Criss-cross Injection Diffusion 框架进行前列腺分割
本文提出了一个两阶段的特征注入框架 CriDiff，其中包括 Crisscross Injection Strategy (CIS) 和 Generative Pre-train (GP) 方法，用于前列腺分割。CIS 通过高效地利用高和低
PDF12 days ago
Perspective+ Unet：双路径融合与高效非局部注意力增强的优秀感受野分割方法
针对医学图像分割的局限性，我们提出了一种新的架构，Perspective+ Unet。该架构具有三个主要创新点：在编码器阶段引入了双通道策略，通过结合传统和扩张卷积的结果，既保持了局部感知域又显著扩展了它，从而更好地理解图像的全局结构；采用
PDF12 days ago
FIESTA: 基于傅里叶变换的不确定性引导下的语法增强方法，用于提升医学图像分割的领域通用性
本文提出一种基于 Fourier 的语义增强方法 FIESTA，利用不确定性指导增强过程，通过操纵频率域中的振幅和相位组件来增强医学图像分割的基本目标，在单源域通用性的背景下，通过调整有意义的角点来引入相关变化，利用相位光谱确保结构的一致性
PDF12 days ago
低维混合专家模型在医学图像分割中的应用
在医学图像分割领域的持续学习任务中，我们提出了一种使用数据特定的专家组（MoE）结构解决新任务或类别的问题的网络，以确保网络参数对先前任务的影响最小化，并通过引入低秩策略显著降低引入附加结构所带来的内存开销。在多个数据集上进行的广泛实验证明
PDF13 days ago
鉴别性哈密顿变分自编码器在数据稀缺情况下精准肿瘤分割
通过提出基于 Hamiltonian 变分自动编码器（HVAE）和区别性正则化的新的端到端混合架构，我们的方法可以准确估计图像和蒙版的联合分布，从而生成具有较少伪影和离群实例的逼真医学图像。通过在丰富增强的数据集上以切片方式操作，我们的架构
PDF15 days ago
基于模态内不对称性和模态间依赖性的不完整多模态脑肿瘤分割的增强
基于深度学习的脑肿瘤分割（BTS）模型在多模态 MRI 图像中取得了重要进展。然而，不完整的 MRI 模态造成分割成为一个具有挑战性的问题。为了解决这些问题，我们提出了一种新颖的方法，从两个方面增强 BTS 模型。首先，我们引入了预训练阶段
PDF18 days ago
医学图像分割的空间频率双重逐步注意力网络
我们提出了 SF-UNet，这是一个具有空间频率双域注意力网络的模型，用于准确的医学图像分割，并在三个公共数据集上证明其有效性。
PDF20 days ago
基于 Mamba 的心脏图像分割算法
该论文介绍了一种名为 CAF-MambaSegNet 的基于 Mamba 的的语义分割网络，通过设计用于不同编码器 - 解码器阶段的基于 Mamba 的通道聚合器和空间聚合器，提出了一种在医学图像分割中不使用卷积和自注意力的新方法，以实现线
PDF23 days ago
GCtx-UNet：高效用于医学图像分割的网络
提出了一种轻量级分割架构 GCtx-UNet，可以捕获全局和局部图像特征，其精度优于或与最先进方法相媲美。GCtx-UNet 在多器官腹部 CT 数据集、ACDC 心脏 MRI 数据集和多个息肉分割数据集上进行了评估，在 Dice 相似系数
PDF23 days ago
基于切片隐式扩散模型的 3D MRI 合成：改善数据稀缺情况下肿瘤分割任务
利用切片扩散架构，从医学图像生成融合体数据和对应掩膜，以解决医学图像分割中数据获取不足的问题，并考虑肿瘤特征进行生成，通过对 BRATS2022 数据集的实验证明生成数据对数据增强的有效性。
PDF24 days ago