prostate segmentation | BriefGPT

关键词prostate segmentation

搜索结果 - 10

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
PDF14 days ago
3D EAGAN：用于经直肠超声图像中前列腺分割的 3D 边缘感知生成对抗网络
提出了一种基于 3D 边缘感知对抗生成网络（3D EAGAN）的前列腺分割方法，该方法通过边缘感知分割网络（EASNet）进行前列腺分割，并通过鉴别网络来将预测的前列腺区域与真实的前列腺区域区分开来，从而实现对 TRUS 图像中前列腺的准确
PDF8 months ago
前列腺 MRI 的持续基于图像的分割
提出了一种基于图谱回放的医学图像分割方法，利用原型生成高质量分割掩膜，通过图像配准在训练分布变化的同时保持一致性，并在七个公开的前列腺分割数据集上与现有的持续学习方法进行了比较，表明该方法既稳健又具有广泛的泛化能力，能够保持知识。
PDF8 months ago
评估基于深度学习模型使用不确定性分数进行前列腺癌分割的性能
比较深度学习方法在 MRI 图像前列腺分割中的不确定性分割和量化，以改善前列腺癌的检测和诊断工作流程。使用七种不同的基于 U-Net 的架构，通过 Monte-Carlo 丢失功能进行评估，自动分割中央区域、周围区域、转换区域和肿瘤，并进行
PDFa year ago
MicroSegNet: 微超声图像前列腺分割的深度学习方法
本文提出了一种基于深度学习的方法，即 MicroSegNet，用于对微型超声图像上的前列腺进行自动化、快速、准确的分割，使用了多尺度注释引导变压器 UNET 模型，可以更好地处理前列腺、膀胱和尿道的艺术品和不清晰的图像区域，取得了比现有分割
PDFa year ago
AAAI3D-OOCS：基于归纳偏置的前列腺分割学习
本研究提出一种基于 OOCS 增强的卷积神经网络结构，用于 3D 医学图像分割，与基础 3D U-Net 相比，该网络能更好地适应来自不同扫描仪的各种协议及其产生的各种图像属性或伪影，本研究还通过对比揭示了其在 3D MRIs 下，用于自动
PDF3 years ago
磁共振前列腺分割中的深度学习：回顾与新视角
该研究采用深度学习算法中的 2D U-Net 来进行 MR 前列腺分割。通过对四个公开数据集的实验，该算法在前列腺分割中取得了较好的效果，并为未来研究者提供了标准化的实验设置。
PDF4 years ago
3D 经直肠超声前列腺分割的深度关注特征
该论文开发了一种新颖的 3D 深度神经网络，配备了注意力模块，以便更好地在 TRUS 中进行前列腺分割，通过充分利用卷积神经网络的不同层次所编码的互补信息选择性地利用来自不同层次集成的多级特征，抑制 CNN 浅层的非前列腺噪声，并在深层次中
PDF5 years ago
AAAI基于细粒度循环神经网络的超声影像前列腺自动分割
本文提出了一种基于 RNN 的框架，旨在解决超声图像前列腺分割中边界缺失问题。该框架可以实现特征提取与形态先验探索的无缝集成，并通过顺序方式预测整个边界。经过大量验证，该框架在前列腺边界描绘方面表现最佳，可应用于其他医学图像分割任务。
PDF8 years ago
基于混合注册的前列腺图谱分割
本文介绍了一种半自动半自动前列腺磁共振图像分割方法的初步结果，旨在将其纳入前列腺放射性治疗的导航系统中。该方法基于由 18 个磁共振检查组成的人群计算的解剖图谱的配准，并采用一种混合配准框架，将基于强度的配准与强大的点匹配算法相结合，用于解
PDF16 years ago