segmentation model | BriefGPT

关键词segmentation model

搜索结果 - 49

非小细胞肺癌分割：引入 DRU-Net 和多镜头变形
我们提出了一个分割模型 (DRU-Net)，可以提供人类非小细胞肺癌的分割，以及可以改善分类结果的增强方法。该模型是截断预训练 DenseNet201 和 ResNet101V2 的融合组合，作为基于补丁的分类器，随后使用轻量级 U-Net
PDF14 days ago
多光谱 LandSat 图像中烟雾分割的 Transformer 增强 UNet
提出了一种名为 VTrUNet 的新分割模型，通过红、绿、蓝、近红外和两个短波红外波段的图像为输入，捕捉光谱模式和长距离上下文特征，用于检测各种复杂背景下的烟雾。与其他相关模型相比，该模型在烟雾分割中表现最佳，并在预测性能上取得了显著改进。
PDF16 days ago
TotalSegmentator MRI: MR 图像中 59 个解剖结构的序列无关分割
我们开发了一个开源且易于使用的分割模型，可以独立于 MR 序列，自动且鲁棒地对大多数主要解剖结构进行分割。
PDFa month ago
无标签和无数据的血管系统分割串联切片 OCT 数据的训练策略
通过利用合成血管数据集训练深度学习分割模型，解决了光学相干断层扫描术 (sOCT) 中的复杂性，为神经血管结构的更准确和高效分析铺平了道路。
PDFa month ago
SAM3D：零射击半自动三维医学图像分割
SAM3D 是一种新的半自动零射击 3D 图像分割方法，通过现有的任意分割模型，利用四步策略实现在 3D 图像中快速且准确的分割，可以帮助手术规划和教育、诊断成像以及科学研究。
PDF2 months ago
ProMamba：针对息肉分割的提示 - Mamba
基于 Prompt-Mamba 构建的分割模型在结直肠镜检查过程中检测息肉是一项重要任务，此模型基于最新的 Vision-Mamba 和 prompt 技术，对各种形状和颜色的息肉进行准确分割，并展现出优越的泛化能力和超越过去最先进方法的高
PDF3 months ago
基于内部和外部不确定性的特征聚合模型，用于半监督组织病理图像分割
提出了一种新的基于不确定性正则化的半监督学习方法，利用像素级标注的有限性和图像预测不确定性来改进分割模型，通过多尺度和多阶段特征融合实现了更好的性能。
PDF3 months ago
ContourDiff：带轮廓引导扩散模型的非配对图像转换
提出了一个新的框架 ContourDiff，通过利用图像的域无关解剖轮廓表示，实现对医学图像的跨模态（如 CT 到 MRI）准确翻译，并确保保留解剖内容，进而在图像转换和分割模型中取得了显著优于其他方法的性能。
PDF4 months ago
CDSE-UNet：使用 Canny 边缘检测和双通道 SENet 特征融合提升 COVID-19 CT 图像分割
COVID-19 CT 图像的准确分割对降低与 COVID-19 感染相关的严重程度和死亡率至关重要。我们介绍了 CDSE-UNet，这是一种新颖的基于 UNet 的分割模型，它集成了 Canny 算子边缘检测和双通道 SENet 特征融合
PDF4 months ago
通过未标记数据的不确定性估计缓解语义分割中的分布偏移
基于未标记数据的 Gamma-SSL 方法通过选择性强制一致性来进行不确定性估计，用于在自动驾驶环境中检测语义分割模型的错误。在具有挑战性的分类基准上，该方法在 ROC 曲线下面积和 PR 曲线下面积方面的表现超过了不确定性估计和离群分布技
PDF4 months ago
QIS：基于准保形映射的交互分割
我们提出了准保拟共形交互分割（QIS）模型，该模型通过正负点击将用户输入融入分割过程，以准确地分割包含噪声或遮挡的图像，同时避免拓扑错误，并在合成、医学、自然和噪声自然图像上进行了有效性验证。
PDF4 months ago
Re-DiffiNet：利用扩散建模肿瘤分割中的差异
通过使用 DDPM 模型，我们介绍了一种名为 Re-Diffinet 的框架，用于建模分割模型与真实情况之间的差异，从而提高肿瘤分割的 Dice 评分 0.55% 和 HD95 16.28% 的准确性。
PDF5 months ago
Iris-SAM：使用基础模型的虹膜分割
通过在眼球图像上利用不同的损失函数进行细调，我们开发了一个基于像素级的虹膜分割模型，其基础模型为 Segment Anything Model (SAM)，该模型在分割任意对象方面已取得成功。在细调过程中，Focal Loss 的重要性得到
PDF5 months ago
ConUNETR：3D 微 CT 胚胎软骨分割的条件 Transformer 网络
通过改进的生物先验条件，我们提出了一种基于 Transformer 的分割模型，能够通过条件机制更好地提取形态多样的信息，从而使单个模型能够准确预测多个年龄组的软骨。实验证明，与其他竞争性分割模型相比，我们的新模型在小鼠软骨数据集上表现出更
PDF5 months ago
REBORN: 强化学习边界分割与迭代训练用于无监督 ASR
无监督自动语音识别（ASR）的关键问题是在没有成对的语音 - 文本数据监督的情况下，学习语音信号与其相应的文本转录之间的映射。本文提出了一种名为 REBORN 的方法，用于无监督 ASR，通过交替训练分割模型和音素预测模型来学习语音和文本之
PDF5 months ago
SOS-SLAM: 面向非结构化环境的开放集合 SLAM 中的分割
一个新颖的开放式同步定位与地图构建（SLAM）框架，通过分割方法在无结构环境中创建对象地图和对象之间的几何关系以进行定位，该方法相对于传统基于特征和全局描述符的 SLAM 系统更具鲁棒性，在照明和外观变化方面表现更好，并且在定位性能方面超过
PDF6 months ago
MS-Twins: 多尺度深度自注意力网络用于医学图像分割
提出了 MS-Twins（Multi-Scale Twins）分割模型，通过结合不同尺度和级联特征，能更好地捕捉语义和细粒度信息，解决了在医学图像分割中利用自注意力和卷积的最优化问题。在 Synapse 和 ACDC 两个常用数据集上，MS
PDF7 months ago
肾脏血栓性微血管病变（TMA）全区切片图像的诊断组织区块分割
采用机器学习和计算机视觉方法，我们通过训练一个分割模型，成功地对肾脏穿刺活检中的决定性诊断性组织区块进行分割，为肾脏血管病的大规模区块特定机器学习和计算机视觉分析奠定了基础。
PDF7 months ago
多机构无监督交叉模态域适应中学习特定场地风格
该研究介绍了一种应对跨模态、多机构的无监督领域自适应问题的解决方案，通过无配对图像转换和自训练等技术，成功应用于医学图像分析的领域。
PDF7 months ago
WATUNet: 用于体量扫描图像超声分割的深度神经网络
通过使用卷积神经网络和波及注意力机制，结合音速微运动成像（VSI）技术，研究人员提出了一种名为 Wavelet_Attention_UNet（WATUNet）的新型分割模型，该模型在乳腺癌诊断方面具有突出表现，在两个数据集上的 Dice 系
PDF8 months ago