medical image segmentation | BriefGPT

关键词medical image segmentation

搜索结果 - 469

GLIMS：注重注意力的轻量级多尺度混合网络用于体积语义分割
GLIMS 是一种数据效率高、注意力引导的混合体积分割网络，利用了 Dilated Feature Aggregator Convolutional Blocks (DACB)，并结合了 Swin Transformer-based bot
PDF2 months ago
医学成像中的分割质量与体积准确性
当前的医学图像分割依赖于基于区域（Dice，F1 得分）和基于边界（Hausdorff 距离，表面距离）的度量标准作为事实标准。本论文通过使用相对体积预测误差（vpe）来直接评估分割任务中体积预测的准确性，集成了理论分析和多样数据集的实证验
PDF2 months ago
用于超声应用的零样本基本模型的语义分割精化器
通过使用粗糙语义分割掩模作为输入以及零 - shot 可提示的基础模型作为优化目标，我们提出了一种不需要提示的分割方法来解决低数据环境下分割模型的性能下降问题，并在肌肉骨骼超声图像数据集上进行了实验证明我们方法的优势，在不同程度的低数据环境
PDF2 months ago
CFPFormer：分割和检测的特征金字塔式 Transformer 解码器
CFPFormer 是一种新的解码器块，它集成了特征金字塔和变压器，通过利用路径嵌入、跨层特征拼接和高斯注意机制，增强了特征提取能力，并促进了各种任务的泛化。在医学图像分割数据集和物体检测基准测试上，我们的模型取得了优越的性能，特别是在检测
PDF2 months ago
超声 SAM 适配器：将 SAM 适应超声图像中的乳腺病变分割
本研究提出了一种新颖的乳腺超声图像分割方法，称为 BUSSAM，通过使用适配器技术将 Segment Anything Model（SAM）迁移到乳腺超声图像分割领域。通过设计轻量级的 CNN 图像编码器以及交叉支路适配器，位置适配器和特征
PDF2 months ago
医学影像分割：从传统模型到基础模型的超越像素级监督
医学图像分割的注释高效学习与基础模型的挑战：综述与分析。
PDF3 months ago
基于示例的医学图像分割的跨模态互相学习
通过引入新颖的跨模型互学习框架，该研究提出了一种基于样本的医学图像分割方法，可以在极少的监督下实现高效的模型训练，并通过消除确认偏差和实现多模型一致性来学习互补信息。通过在图像和特征层面上进行扰动和预测，该框架在两个医学图像数据集上的实验结
PDF3 months ago
自适应卷积层优化医学图像分割性能
通过在传统 CNN 模型之前放置自适应层，根据输入影像的局部环境动态调整卷积核尺寸，本文提出的方法可以在处理具有多种尺度和配置的医学影像时，增强网络对多样解剖结构和图像细节的处理能力，进而在 SegPC2021 和 ISIC2018 等常见
PDF3 months ago
混合原型一致性学习用于半监督医学图像分割
通过混合原型一致性学习（MPCL）框架，我们提出了一种解决医学图像分割中标记数据稀缺性带来的原型表达不完整的问题的方法。在该框架中，平均教师生成标记和未标记数据的原型，而辅助网络通过 CutMix 处理混合数据产生额外的原型。通过原型融合，
PDF3 months ago
Q2A：查询隐式全连续特征金字塔以对齐医学图像分割特征
提出了一种名为 Q2A 的新型查询式对齐模式，用于解决隐式神经表示（INR）解码器中引起的特征不对齐问题，并通过使用全新的全连续特征金字塔（FCFP）在任意连续分辨率上实现了有效的特征解码。在两个医学数据集和一个通用数据集上的实验表明，所提
PDF3 months ago
混合领域半监督医学图像分割中构建和探索中间域
医学图像分割中存在有限标注和领域转移的问题，传统的半监督分割和无监督领域自适应方法只解决了其中一个问题，本文提出了一种新的具有挑战性的情景：混合领域半监督医学图像分割（MiDSS），并通过引入统一的复制 - 粘贴（UCP）和对称引导训练策略
PDF3 months ago
LUCF-Net: 轻量级 U 型级联融合网络用于医学图像分割
通过结合 Transformer 和卷积神经网络，我们提出了一种新型轻量级 U 形级联融合网络（LUCF-Net），用于医学图像分割，具有较高的性能和简单的模型设计。
PDF3 months ago
多评者提示在模糊医学图像分割中的应用
针对医学图像分割中多评分者注释（即模棱两可的医学图像分割）中的两个挑战，本文提出了一种基于多评分者提示的方法，通过引入一系列评分者感知的提示来处理多注释情况，并采用混合训练策略来整合专家共识和不一致。通过实验验证了我们的新方法在两个公共数据
PDF3 months ago
SaLIP 与 SAM、CLIP 级联用于零样本医学图像分割的测试时间自适应
该研究论文提出了一种将 Segment Anything Model（SAM）和 CLIP 集成为医学图像分割的统一框架 SaLIP 的方法，展示了在零样本分割中显著提高的 DICE 得分，在脑部（63.46%）、肺部（50.11%）和胎头
PDF3 months ago
FPL+: 基于滤波伪标签的无监督跨模态适应性在三维医学图像分割中的应用
提出了一种基于增强型筛选伪标签的无监督域自适应 (Unsupervised Domain Adaptation, UDA) 方法，用于三维医学图像分割，通过交叉域数据增强生成高质量伪标签，结合标注的源域图像和目标域伪标签进行模型训练，在多个
PDF3 months ago
LHU-Net：一种用于高效、高性能体积型医学图像分割的轻型混合 U-Net
通过结合 Transformer 架构与卷积神经网络（CNNs）的优势，提出一种优化的体积型医学图像分割网络 LHU-Net，旨在在初期层次优先进行空间特征分析，然后转向更深层次的基于通道的特征，从而全面提取特征，取得了具有高效性和准确性的
PDF3 months ago
基于影响力的多模态磁共振成像下脑肿瘤分割解释性
近年来，人工智能已成为医疗应用的基本工具。尽管存在快速发展，但深度神经网络仍然是难以解释的黑匣子，这是它们在临床实践中使用的主要限制。我们的重点是医学图像分割任务，目前提出的大多数可解释性方法在视觉解释方面提供输入显著性图。本文旨在扩展、实
PDF3 months ago
基于保边概率下采样的高效精确 CT 分割
通过引入一种名为 Edge-preserving Probabilistic Downsampling (EPD) 的新方法，该方法利用局部窗口中的类别不确定性产生软标签，以低分辨率实现网络生成高质量预测，从而更有效地保留边缘细节，并在图像
PDF3 months ago
语言导向的医学图像分割的跨模态条件重构
提出一种新的跨模态条件重构来从事以语言指导的医学图像分割，并通过实验证明了其在不同数据集上的优越性能
PDF3 months ago
医学视觉引导（MVP）：一种用于多功能和高质量医学图像分割的统一框架
准确分割病变区域对于各种疾病的临床诊断和治疗至关重要。本研究提出了一种新颖的医学视觉提示 (MVP) 框架，借鉴了自然语言处理 (NLP) 的预训练和提示概念，通过整合 SPGP、IEGP 和 AAGP 三个关键组件，使得分割网络更好地学习
PDF3 months ago