tumor detection | BriefGPT - AI 论文速递

关键词tumor detection

搜索结果 - 20

用于腹部计算机断层扫描的器官分割与肿瘤检测的通用可扩展的语言 - 视觉模型
提出了一种通用可扩展模型，利用人工智能技术进行器官分割和肿瘤检测，具有强大的计算效率和泛化能力，同时能够适应多种公开数据集和新类别，减轻以往类别的遗忘。
PDFa month ago
平滑深度显著性
通过减少来自卷积下采样的噪声，我们探讨了解释深度学习模型如何检测扫描的组织标本中的肿瘤的方法，这些方法使得梯度基于隐藏层计算的显著性图更具解释性。我们在 ImageNet1K 上训练的不同模型以及在 Camelyon16 和实际数字病理学染
PDF3 months ago
在医学影像中整合预处理方法和卷积神经网络以实现有效的肿瘤检测
该研究使用卷积神经网络（CNN）在医学图像中提供了一种机器学习方法来检测肿瘤。该研究侧重于预处理技术，以增强与肿瘤检测相关的图像特征，并开发和训练了一个 CNN 模型以实现准确分类。通过采用高斯平滑、双边滤波和 K-means 聚类等各种图
PDF4 months ago
用于追踪、注册、标签化和验证光学组织测量的点投影映射系统
通过引入新开发的点投影映射系统，并建立一个准确的注册、验证和标记组织病理学结果的框架，本文提出了一种更健壮准确的光学组织感测技术跟踪与验证方法，相比传统技术节省时间和资源。
PDF7 months ago
推进脑肿瘤检测：对 CNN、聚类和 SoftMax 分类在 MRI 图像分析中的深入研究
使用卷积神经网络和磁共振成像数据进行脑肿瘤的准确检测具有潜在对早期诊断和患者护理的影响。
PDF8 months ago
在时间和体积数据中获取肿瘤定位的弱标注
本研究提出了一种用于肿瘤检测和定位的高效注释策略，虽然比逐像素注释不够精确，但可以用于创建大规模的肿瘤筛查数据集。
PDF8 months ago
三维医学图像融合与可变形交叉注意力
创新的无监督特征互学习融合网络用于融合三维磁共振成像（MRI）和正电子发射断层成像（PET）图像，提高医生和研究人员的信息获取能力，并在性能度量方面优于传统二维图像融合方法。
PDF9 months ago
基于交叉注意力的全切片图像癌转移预测
该研究提出了一种基于交叉关注的突出实例推断多实例学习方法，通过一种新的显著性提醒的关注机制，在 WSIs 上无需任何标注即可识别乳腺癌淋巴结微转移，并展示出对小肿瘤病变 WSIs 的出色准确性，具有良好的解释性特点。
PDF10 months ago
乳腺癌检测和分割的多任务框架下 BI-RADS 描述符的事后解释性
提出了 MT-BI-RADS 方法，通过三个层次的解释提高放射科医生对乳腺超声图像中肿瘤恶性程度预测过程的理解。
PDF10 months ago
无标记肿瘤合成对胰腺癌的早期检测和定位
通过合成胰腺肿瘤的方法，可以提高人工智能在胰腺癌早期检测中的性能，从而改善患者的预后。
PDFa year ago
利用强度分布监督改进 CT 扫描中的病变分割和检测
该论文提出了一种新的 CT 扫描中病变区域分割与定位的方法，引入了基于影像亮度直方图的病变概率分布来指导神经网络的训练，该方法可使得肿瘤的检测与分割效果得到显著提高。
PDFa year ago
AutoPaint: 一种自我修复方法用于无监督异常检测
本研究提出一种基于无监督异常检测方法的肿瘤检测方法，通过学习健康解剖结构，提出了一种稳健的基于修复模型的健康解剖结构重建方法，并基于此提出了一个自动修复的肿瘤检测方法，经实验证明，该方法在多模态图像中与有监督检测相比效果非常接近。
PDFa year ago
结直肠癌组织学切片多任务学习的组织分割和肿瘤检测
使用 U-Net 多任务模型结合颜色和统计学增 & 测试时增强，来实现对组织分割和肿瘤检测的自动化，以期解决由于公共数据集稀缺和图像变异导致的困难。在 CRC 检测（SemiCOL）2023 挑战上，该方法在被部分标注的数据集上取得了.86
PDFa year ago
基于 CLIP 的器官分割和肿瘤检测通用模型
本文介绍了 CLIP-Driven Universal Model 模型，它基于 Contrastive Language-Image Pre-training 学习的文本嵌入，结合分割模型，可以分割 25 个器官和 6 种肿瘤，具有更高的
PDF2 years ago
CVPR数字病理学中视觉 Transformer 和卷积神经网络的比较研究
本研究探索了视觉 Transformer 在数字病理学全幻灯片图像中，用于四种组织类型的肿瘤检测和组织类型识别。实验结果表明，在大量未标注全幻灯片图像的预训练下，视觉 Transformer 在肿瘤检测方面比 ResNet18 表现稍好。
PDF2 years ago
CVPR自监督对比学习的双流多示例学习网络用于全切片图像分类
本论文提出了一种基于 MIL 的方法，用于全幻灯片图像（WSI）分类和肿瘤检测，无需局部注释，并提出了自我监督对比学习及金字塔融合机制，从而提高分类和定位的准确性。
PDF4 years ago
基于条件 PGGAN 的数据增强技术学习少量数据量提高基于 MR 图像高度粗略注释的脑转移瘤检测
使用基于生成对抗网络（GAN）的数据扩充技术，提出了一种将高精度标注逐渐添加至 GAN 的算法来定位 MR 图像中的肿瘤区域，实现基于卷积神经网络的脑部肿瘤检测，结果显示该技术可以在不增加过多假阳性结果的情况下提高 10％的检测灵敏度。
PDF5 years ago
使用金字塔梯度 CAM 进行稳健的肿瘤定位
研究使用颅内膜瘤的 MR 数据，提出了一种新的基于金字塔梯度的类激活图方法（PG-CAM）来检测肿瘤，该方法使用密集连接的编码器 - 解码器网络（DC-FPN）作为骨干结构，并提取捕获肿瘤层次特征的多尺度 Grad-CAM。在验证集上，PG
PDF6 years ago
使用深度卷积网络从 CT 数据生成虚拟 PET 图像：初步结果
本研究提出一种使用全卷积网络和条件生成对抗网络从 CT 扫描中导出 PET 数据的新系统，并在测试中通过对肝脏区域的恶性肿瘤检测表现出高检出性能，未来工作包括使用更大的数据集将当前系统扩展到整个身体，以在 CT 唯一环境中用于肿瘤检测和药物
PDF7 years ago
MM在千亿像素病理图像上检测癌症转移
该研究提出了一种使用卷积神经网络 (CNN) 框架以及基于细胞病理学图像的肿瘤检测，旨在自动地检测、定位肿瘤，并降低转移性癌症检测中的假阴性率。
PDF7 years ago