mri data | BriefGPT - AI 论文速递

关键词mri data

搜索结果 - 8

阿尔茨海默病的磁共振成像分类方法：基于深度学习和元学习模型
通过使用深度学习技术，特别是基于最先进的卷积神经网络（CNNs），对磁共振成像（MRI）数据进行分类，以便识别阿尔茨海默病（AD），该研究报告了采用多个 CNN 模型的集成方法来提高检测的查全率和准确性，其中多数投票法表现得更好。我们提出的
PDF2 months ago
基于双图注意力的解缠多实例学习用于脑龄估计
通过分析磁共振成像（MRI）数据，利用深度学习技术准确估计大脑年龄是有潜力的，但现有方法往往直接利用整个输入图像，忽视了两个重要考虑因素：1）大脑老化的异质性，即不同脑区可能以不同速率退化，和 2）大脑结构中存在与年龄无关的冗余信息。为了克
PDF4 months ago
在放射学数据上测试 segment anything 模型
深度学习模型在大量数据训练下已成为最近有效的预测问题解决方法，研究了基于自然图像训练的基础模型在磁共振成像数据上的分割任务性能，结果表明这些模型虽然在少数情况下可接受，但根据整体趋势，它们在整个体积的磁共振成像分割上不够有效，而在少数特定切
PDF7 months ago
FAM：快速自适应元学习
我们提出了一种快速自适应联邦元学习（FAM）框架，用于协同学习单个全局模型，并可以在各个客户端上进行个性化定制。实验结果表明，在有限的迭代次数内，每个客户端的个性化客户端模型优于本地训练模型，从而显示出 FAM 机制的有效性。此外，通信开销
PDF10 months ago
一种高效的深度学习模型，利用重建和微调技术对脑肿瘤进行分类
本文提出了一种基于迁移学习的新型深度学习方法，通过对大量前处理和算法优化，尝试用多种转移学习算法来对 3,064 张 MRI 图像进行轻松地识别分类，得到了非常高的准确率，特别是 ResNet50V2 模型达到了 99.68% 的准确率，使
PDFa year ago
使用基于 3D 注意力机制的 U-Net 进行多类 MRI 脑肿瘤分割
本文提出了一种基于 3D 注意力的 U-Net 架构，用于使用由三个非本地 MRI 卷积组合而成的单一堆叠的多模态体积进行大脑肿瘤的多区域分割。该方法通过在 U-Net 的解码器端添加注意机制来提高分割精度，从而减少了对健康组织的侧重和突出
PDFa year ago
具有深度生成先验的鲁棒压缩感知 MRI
本文成功应用了 CSGM (Bora-Jalal-Price-Dimakis'17) 框架于临床 MRI 数据上，通过训练大脑扫描图像来生成先验分布，进而使用 Langevin 动态采样实现高质量的重建，在实验中表现出对真实分布和测量过程的
PDF3 years ago
DUAL-GLOW：用于模态转换的条件流式生成模型
本文介绍了采用基于流的生成模型从 MRI 数据中生成 PET 图像的新框架：DUAL-GLOW，该框架依赖于两个可逆网络和一个关系网络，它们能够在小样本大小的情况下表现出色，并且还将该框架扩展到当可用 “side” 信息时支持，我们在 Al
PDF5 years ago