- 新生儿的 VINNA -- 通过潜在增强实现方向无关性
通过引入分辨率独立和四自由度变换模块（VINNA），研究论文展示了 VINNA 在新生儿磁共振成像分割方面的优越性，特别是在应对头部变化和多种分辨率情况下。
- TopoSemiSeg: 强制拓扑一致性，用于组织病理学图像的半监督分割
在计算病理学中，为了后续分析，对于诸如腺体和细胞核这样密集分布的对象进行分割至关重要。为了减轻像素级注释的负担，半监督学习方法从大量无标签数据中学习。然而，现有的半监督方法忽视了无标签图像中隐藏的拓扑信息，因此容易出现拓扑错误，如腺体或细胞 - 基于解剖限制与不确定性的气胸分割
提出了一种新颖的方法，在 2D 胸部放射学图像上训练深度学习模型进行自动肺气肿分割，通过将肺 + 空间作为约束来提高分割性能。
- 使用扩散模型进行点云预训练
通过提出一种新的预训练方法 PointDif，本文在点云领域实现了显著的改进，包括基于条件点生成器的生成复原的点云和利用全局几何先验和物体全局点密度分布来捕捉局部和全局特征，从而在分类、分割和检测等多个下游任务中取得了实质性的提升。
- 基于文本和点击输入的明确无歧义开放词汇实例分割
我们提出了一种新的分割过程，即文本 + 点击分割，其中模型接受图像、描述类别的文本短语和指定要分割的实例的单击作为输入，相比以往方法，我们利用开放词汇的图像 - 文本模型支持广泛的文本提示，通过在文本提示上调节分割结果提高了对于新颖或未见类 - 滑动窗口快速编辑：全身 PET 图像中病变标注的框架
通过利用交互式滑动窗口的模式，SW-FastEdit 极大加速了标注过程，取代了体素级别的注释，从而解决了在 PET 全身扫描中分散的病变体积标记的问题，并在 AutoPET 数据集上表现优于其他非滑动窗口交互模型，且可以泛化到之前未见的 - GRJointNET：3D 不完整点云的协同完成和部分分割
GRJointNet 是一个能够在不完整的 3D 点云上实现点云补全和分割的深度学习框架，能够显著提高自主系统中点云的实用性和效能。
- Edge TPU 与嵌入式 GPU 在计算辅助医学影像分割和分类中的能效对比
本研究评估了在边缘 TPU 和嵌入式 GPU 处理器上基于医学图像的分割和分类的完全嵌入式医疗诊断辅助设备的能耗，以色视底图像的青光眼诊断为例展示了在嵌入式板上实时执行分割和分类的可能性，并强调了所研究实现的不同能源需求。
- MR 脑图像中带有模糊信息的种子区域生长用于自动卒中后病变分割
在医学影像学领域，从脑 MRI 图像中精确分割中风病变作为临床诊断和治疗中的一项重要挑战。本研究引入了一种创新方法，使用模糊信息种子区域生长（FISRG）算法，旨在有效划分中风病变的复杂和不规则边界，提高分割准确性。研究通过三个实验来优化 - 基于超光谱成像和图神经网络的稳健肿瘤分割
利用 Hyperspectral Imaging 和 Machine Learning 相结合的方法，采用 Graph Neural Networks 以及 Convolutional Neural Network，通过对局部图像特征和空间 - 一种用于分割前庭神经瘤和耳蜗的三维多样式跨模态分割框架
本文提出了一种针对 crossMoDA2023 挑战的三维多样式跨模态分割框架，通过多种图像转换和自我训练分割阶段，实现对未标记 hrT2 扫描中的前庭神经瘤（分为颅内和颅外组分）以及耳蜗区域的分割，并借助标记的 ceT1 扫描实现。
- 基于大语言模型的小样本分类与分割代理
利用大型语言模型作为任务规划者，视觉模型作为工具，通过观察支持图像和使用语境学习指导大型语言模型，利用其总结和推理能力对查询图像进行分类和分割，从而在无需训练的情况下解决了少样本图像分类和分割问题，并在 Pascal-5i 数据集上取得了最 - DatasetNeRF：基于生成辐射场的高效三维感知数据工厂
该论文介绍了 DatasetNeRF，一种新颖的方法，它能够生成无限数量、高质量的与 3D 一致的 2D 注释和 3D 点云分割，同时利用最少的 2D 人工标注。
- 利用自动增强和搜索优化技术改进基于 Transformer 的乳腺癌诊断分割
这篇论文介绍了一种将自动图像增强选择（RandAugment）与搜索优化策略（基于树的 Parzen 估计器）相结合的方法，用于确定图像增强数量和相关增强参数的最佳值，从而提高分割性能。在乳腺癌组织切片中经过实证验证后，我们的结果表明，这种 - ShapeMaker：无监督联合形状规范化、分割、检索和变形
通过自监督学习，本文提出了 ShapeMaker，一个统一的形状规范化、分割、检索和变形的框架，通过提取点级别的仿射不变特征来规范化对象，预测语义一致的部分分割和对应的中心，聚合特征进行形状检索，然后使用神经笼变形将目标物体与检索到的形状进 - 滑坡分割模型的不确定性估计
通过对多种方法评估分割的像素级别的不确定性，本研究发现在数据集中 Test-Time Augmentation 方法的质量始终优于其他方法，从而可以为解决错误、识别困难样本和增加标记训练数据提供低成本的监督。
- LightBTSeg: 一种利用超声图像进行乳腺肿瘤分割的轻量级模型
我们提出了一种轻量级乳腺肿瘤分割的双路径联合知识蒸馏框架 LightBTSeg，通过使用深度学习方法和知识蒸馏技术，在乳腺超声图像中实现高性能的肿瘤分割。
- MPSeg：冠状动脉分割的多阶段策略
我们介绍了一种名为 MPSeg 的创新多阶段策略，专门用于冠状动脉分割，其采用了分离左冠状动脉和右冠状动脉以及集成模型等方法，针对冠状动脉的结构复杂性和 SYNTAX Score 的原则进行了设计和优化，并在 MICCAI 2023 年的 - TransONet: 使用深度学习自动分割计算机断层扫描血管造影中的血管
通过提出基于深度学习模型的方法，可以高效且准确地分割 CTA 图像中与周围动脉疾病（PAD）手术相关的下行主动脉至髂分叉和下行主动脉至膝盖部分，为医学专业人员分析血管系统健康提供了有价值的工具。
- 利用图像处理进行车站维修的铁锈检测
本研究针对涂装建筑表面上生锈区域进行准确分割的挑战。通过利用数字图像处理方法，计算涂层上存在的生锈百分比。所提出的分割方法基于 HSV 颜色模型，为了均衡亮度和减轻光照的影响，特别应用了单尺度 Retinex 基本模型到饱和度分量。随后，图