medical images | BriefGPT - AI 论文速递

关键词medical images

搜索结果 - 221

SAM2CLIP2SAM：用于 Covid-19 检测的视觉语言模型，用于 3D CT 扫描的分割
该研究提出了一种新的图像分割方法，可以整合到任何模型和方法中；我们选择的范例是对 Covid-19 检测的医学图像（3D 胸部 CT 扫描）进行分类。我们的方法包括一种视觉语言模型的组合，用于对 CT 扫描进行分割，然后将其输入到称为 RA
PDF5 days ago
时光倒流扩散：无人监督的医学深度伪造检测
基于扩散模型的医学图像异常检测方法，用于检测 CT 和 MRI 扫描中注入和清除的假肿瘤，相比其他无监督检测器显著提升 AUC 值。
PDF6 days ago
SvANet：用于小型医学目标分割的尺度可变关注网络
我们提出了一种用于医学图像中准确小尺度物体分割的新型尺度变体注意力网络 (SvANet)，通过包含跨尺度特征和减轻小尺度医学物体的压缩伪影来增强其鉴别能力，实验结果表明，SvANet 在肾肿瘤、皮肤病变、肝肿瘤、息肉、手术切除细胞、视网膜血
PDF17 days ago
多模态大型语言模型在医学影像和自由文本报告数据挖掘中的潜力
通过对 14 个医学影像和放射学报告数据集进行综合评估，我们发现 Gemini 系列模型在报告生成和病灶检测方面表现出色，但在疾病分类和解剖学定位方面面临挑战；相反，GPT 系列模型在病灶分割和解剖学定位方面表现出色，但在疾病诊断和病灶检测
PDF19 days ago
基于解剖引导的病理分割
该研究论文提出了一种综合解剖学和病理学信息的通用分割模型，旨在提高病理特征的分割准确性。通过使用查询型分割转换器将联合特征空间解码为查询表示，再通过混合策略将其交错输入用于解剖学和病理学预测，实现了在 FDG-PET-CT 和胸部 X 射线
PDF19 days ago
FM-OSD: 基于 Foundation Model 的一次性检测解剖标志物
提出了一种基于单一模板图像的基础模型支持的一次性解剖标记检测（FM-OSD）框架，通过仅利用单个模板图像而不需要任何额外未标记数据，在医学图像中实现准确的标记检测。
PDF20 days ago
多模态掩蔽孪生网络改进胸部 X 射线表征学习
自我监督学习和医学图像领域主要依赖预训练期间的成像模态。本研究中提出了一种融合电子健康记录（EHR）数据的自我监督预训练方法，通过 Masked Siamese Network (MSN) 来提高胸部 X 射线图像的质量，并通过线性评估验证
PDF22 days ago
医学图像解剖分割的 SAM 少样本微调
我们提出了一种简单而高效的少样本微调策略，用于将 Segment Anything（SAM）适应于医学图像中的解剖分割任务。我们的方法通过在 SAM 内对掩膜解码器进行改进，利用从有限标记图像集合（少样本收集）中导出的少样本嵌入作为查询解剖
PDF22 days ago
HyperSpace：适应间隔的图像分割的超网络
医疗图像通过超网络在不同分辨率处理下实现像素间隔校正与标准化，以适应异构推理环境，提供灵活、高效的图像分割模型。
PDF23 days ago
面向不确定性感知的前列腺癌检测的跨切片注意力和证据关键损失
提出一种新颖的 2.5D 跨切片注意力模型，利用全局和局部信息以及证据关键性损失进行证据深度学习，用于检测前列腺癌的 MR 图像，该癌症为男性常见的癌症之一，并且是导致癌症相关死亡的主要原因之一。在两种不同数据集上广泛实验，取得了前列腺癌的
PDFa month ago
加权圆形融合：来自不同目标检测结果的圆形表示集成
我们提出了一种称为加权圆融合（Weighted Circle Fusion，WCF）的简单方法，用于合并来自不同圆检测模型的预测。该方法利用每个建议的边界圆关联的置信分数生成平均圆，在医学图像中改进了目标检测的精度，并显著减少了误检，为病理
PDFa month ago
EFCNet：对小型医学物体分割，每个特征都至关重要
本文研究了在具有临床价值的非常小的医疗对象的分割问题。我们发现，卷积神经网络（CNNs）和最近的 Transformer 在图像分割方面取得了重大进展，但在分割本文中涉及的小型医疗对象和病变方面表现不佳。为了应对这一挑战，我们提出了一种名为
PDFa month ago
基于深度学习的脑部分割模型性能验证与临床放射治疗 CT
通过对多中心数据集进行计算机断层扫描 (CT) 上合成分割算法 (SynthSeg) 的验证，本研究使用 SynthSeg 模型从放射治疗中心的 260 个 CT 和磁共振成像 (MRI) 数据中自动分割出大脑，并将其与 MRI 分割结果进
PDFa month ago
Feature-prompting GBMSeg: 一次参考引导无需训练的基底膜分割的提示工程
本研究介绍了一种称为 GBMSeg 的训练 free 框架，旨在通过一次标注的参考图像来自动分割透射电子显微镜中的肾小球基底膜 (GBM)，实验结果表明 GBMSeg 在 2538 个图像上达到了优于其他方法的 87.27% 的 Dice
PDFa month ago
ACL基于数据驱动的诊断字幕引导解码机制
诊断字幕自动生成一份诊断性文本，从一个或多个患者的医学图像（如 X 射线、MRI）中。本论文提出了一种新的数据驱动引导解码方法，将医学信息纳入诊断文本生成过程的波束搜索中，并在两个医学数据集上使用四个诊断字幕系统进行评估。在大多数情况下，所
PDFa month ago
引导式上下文门控：学习利用视网膜底图中显著病变
通过引入 Guided Context Gating 注意机制，本研究提出了一种用于有效表示医学图像（特别是视网膜图像）的新方法，相较于现有注意机制，在定位病变上具有更好的效果，并在视网膜病变的严重程度评估中实现了显著的精度提升。
PDFa month ago
使用神经随机微分方程对连续疾病轨迹和治疗效果进行概率性时间预测
基于医学影像的个性化医学，可以准确预测未来个体化临床疾病进展和治疗反应，对于长期、复杂、异质性的无法治愈的疾病（如多发性硬化症（MS））的医疗和药物开发具有巨大影响。本文提出了第一个用于建模疾病进展的连续时间因果框架，利用神经随机微分方程（
PDFa month ago
改善即时任何帧的部分：医学图像分割的辅助在线学习和自适应融合
我们引入了一种新的方法，利用在线机器学习的优势，在测试时间内改进了 Segment Anything 模型的分割质量。通过使用修正后的注释来进行在线学习，提出了 Auxiliary Online Learning 方法，通过创建和应用一个小
PDF2 months ago
MGI: 基因组和医学影像的多模态对比预训练
提出了一种多模态预训练框架，通过整合基因组学和医学图像数据，在肿瘤分割任务中优于相关方法。
PDF2 months ago
鼻内镜图像分割的点邻域学习框架
通过引入点邻域学习、增强训练监督及扩充数据多样性，我们提出了一种弱半监督方法，名为 Point-Neighborhood Learning (PNL) 框架，用于医学图像中的点注释，显著提高了性能并不改变分割网络结构。
PDF2 months ago