polyp segmentation | BriefGPT

关键词polyp segmentation

搜索结果 - 52

基于模型引导协同学习网络的基于示意标注的息肉分割
通过在 Collaborative Learning Network 中使用 Segment Anything Model，以及基于已生成的 scribble 注释的改进模块、特征聚合模块和图像级过滤机制等策略，本文提出了适用于弱监督息肉分
PDF7 months ago
深度学习在息肉分割方面的调查：技术、挑战和未来趋势
早期检测和评估息肉在结直肠癌的预防和治疗中起着至关重要的作用。本文综述了息肉分割算法，包括传统算法和基于深度学习网络的算法，详细介绍了相关基准数据集及对最近的深度学习模型进行的全面评估，最后讨论了该领域的挑战和未来趋势。
PDF7 months ago
ScribblePolyp: 基于涂鸦指导的息肉分割通过双重一致性对齐
ScribblePolyp 是一种高效的模型，用于胃肠疾病的息肉分割，并通过一种新的 scribble-supervised 方法，使用少量的注释（涂鸦标签）来减少标注成本，并提出一种两分支一致性对齐方法来为未标注的像素提供监督。
PDF8 months ago
使用 DUCK-Net 进行息肉图像分割
我们提出了一种新型的监督卷积神经网络架构 “DUCK-Net”，能够从少量的医学图像中有效学习和概括，以执行准确的分割任务。我们的模型利用编码器 - 解码器结构、残差下采样机制和自定义卷积块，以在编码器段的多个分辨率上捕获和处理图像信息。我
PDF8 months ago
M3FPolypSegNet：结肠镜图像中多频特征融合的息肉定位分割网络
通过使用多频特征融合息肉分割网络 (M3FPolypSegNet)，以及多任务学习的方法，本研究提出了一种新颖的基于频率的全卷积神经网络，能够自动地分割结肠镜图像中的小型息肉，提高了分割的准确性和效率。
PDF9 months ago
边缘感知特征聚合网络用于息肉分割
利用边缘感知的特征聚合网络 (EFA-Net) 对息肉进行分割，克服不同尺度和模糊的边界，实现更准确的早期诊断和防治结直肠癌 (CRC)。实验结果表明，EFA-Net 在泛化性能和有效性方面优于现有的息肉分割方法。
PDF10 months ago
贝叶斯不确定性加权损失用于改善结肠息肉分割任务的泛化能力
通过使用贝叶斯方法来降低隐式偏差并关注代表性不足的样本区域，该研究在多中心息肉分割数据集上展示了改进泛化能力的潜力，同时保持先进性能。
PDF10 months ago
FLDNet：利用长距离依赖关系进行息肉分割的前景感知网络
通过使用 FLDNet，一种基于 Transformer 的神经网络，该论文提出了在结直肠镜检查图像中准确检测和分割息肉的方法，并通过评估显示出在常用数据集上优于现有方法的先进性。
PDF10 months ago
MEGANet：多尺度边缘引导注意力网络用于弱边界息肉分割
在医疗保健中，高效的息肉分割在早期诊断结直肠癌方面起着关键作用。本文提出了一种专门用于结肠镜图像中的息肉分割的多尺度边缘引导注意力网络（MEGANet）。该网络通过融合经典的边缘检测技术和注意力机制，有效地保留了高频信息，尤其是边缘和边界，
PDF10 months ago
Polyp-SAM++：文本引导的 SAM 在息肉分割中能表现更好吗？
通过文本提示辅助的 SAM 模型进行息肉分割任务的性能评估及与未辅助的 SAM 模型的比较。
PDFa year ago
基于原型学习的异域多发病病变分割
本文介绍了一个名为 PrototypeLab 的稳健且广义的息肉分割模型，该模型通过引入不同的照明模式，学习生成每个对象类别的原型，并利用原型生成最终分割掩模，从而在来自多个中心的分布之外数据集上发挥有效作用，相比 16 种最先进的图像分割
PDFa year ago
使用合成数据的自监督和半监督息肉分割
通过使用计算机视觉技术和合成数据，提出了一种用于结肠息肉分割的模型，该模型在自监督和半监督设置中达到了最先进的结果。
PDFa year ago
结肠直肠癌预防的联合单侧合成异源图像转换与分割
通过使用 3D 技术和生成对抗网络相结合产生逼真的合成图像，我们提出了 CUT-seg，将分割模型和生成模型相互训练以生成逼真图像并学习肠息肉分割。我们利用最新的单向翻译模型，因为它们使用的内存显著较少，可以在训练环节中添加分割模型。相较于
PDFa year ago
WeakPolyp: 仅对息肉分割进行边框查找
基于边界框注释，我们提出了一种弱监督的息肉分割模型（WeakPolyp），使用 mask-to-box 转换减少粗糙标签与精确预测之间的不匹配，并通过尺度一致性损失实现密集监督，实验证明 WeakPolyp 在不需要任何遮罩注释的情况下达到
PDFa year ago
用于实时息肉分割的神经网络剪枝
本研究使用神经网络修剪技术在息肉分割领域应用，通过计算卷积滤波器的重要性得分并移除得分最低的滤波器，有效减少参数数量和 FLOPs，而保持相似的精度。
PDFa year ago
SegT: 用于息肉分割的分离边缘引导 Transformer 网络
本文提出了一种新颖的分离边缘引导变压器（SegT）网络，旨在构建有效的息肉分割模型。该网络使用变压器编码器学习比现有的基于 CNN 方法更强大的表示，并利用分离的边缘引导模块确定息肉的精确分割。最后，使用创新的级联融合模块融合了精细的多级特
PDFa year ago
M^2UNet: 元 - 变形 - 多尺度上采样网络用于息肉分割
本文提出了一种基于 MetaFormer、UNet 和多尺度上采样块的多尺度上采样网络（M$^2$UNet）用于息肉分割任务，该方法在多个基准数据集上都与先前的方法相比具有竞争性的表现。
PDFa year ago
元 - 息肉：高效息肉分割的基线模型
本研究提出了使用 Meta-Former 与 UNet 的融合模型，并引入多尺度上采样块与级联组合以提高纹理，并提出 Convformer 块增强局部特征，以实现医学分割的全局信息、局部信息和边界信息等敏感点的更好决策。该模型在 CVC-3
PDFa year ago
Polyp-SAM: 基于 Transfer Learning 的息肉分割模型
本研究提出了基于 Segment Anything Model (SAM) 的调优模型 Poly-SAM 用于结肠息肉图像的分割，相比已有方法，该模型在结肠息肉分割方面具有优越的性能，集成了两种迁移学习策略的 SAM 模型也能很好地适用于医
PDFa year ago
AAAIRFC-Net：在有限计算成本下学习医学图像分割的高分辨率全局特征
本文介绍了一种松散稠密连接策略和采用 m 向树结构的可感受野链路网络 (RFC-Net)，用于学习高分辨率全局特征。实验证明 RFC-Net 在 Kvasir 和 CVC-ClinicDB 基准测试中对息肉分割取得了最先进的性能。
PDFa year ago