tumor segmentation | BriefGPT

关键词tumor segmentation

搜索结果 - 49

多模态证据融合网络用于可信 PET/CT 肿瘤分割
在计算机辅助肿瘤诊断和治疗中，精确分割 PET/CT 图像对癌症的诊断和治疗非常重要。本文提出了一种新颖的多模态证据融合网络（MEFN），通过交叉模态特征学习（CFL）模块和多模态可信融合（MTF）模块，以有效整合 PET 和 CT 图像中
PDF8 days ago
评估序列组合对多参数磁共振成像乳腺肿瘤分割的影响
使用 nnU-Net 模型，研究探讨不同序列的 mpMRI 在乳腺肿瘤分割中的影响，并通过在多中心 mpMRI 数据集上的评估，证明了使用动态对比增强 MRI 序列可以获得较高的功能性肿瘤体积分割 Dice 相似系数和整个肿瘤掩膜分割改善。
PDF22 days ago
MGI: 基因组和医学影像的多模态对比预训练
提出了一种多模态预训练框架，通过整合基因组学和医学图像数据，在肿瘤分割任务中优于相关方法。
PDFa month ago
PRISM：一个带有视觉提示的可提示和稳健交互式分割模型
PRISM 是一个可提示和稳健的交互式分割模型，旨在精确地对三维医学图像进行分割。PRISM 接受各种视觉输入，包括点、框和涂鸦作为稀疏提示，以及蒙版作为密集提示。通过迭代学习、置信学习、纠正学习和混合设计，PRISM 在结直肠、胰腺、肝脏
PDF2 months ago
PEMMA: 用于医学图像分割的参数高效多模态适应性
提出了一种适用于基于 CT 扫描模型的轻量级升级的参数高效多模态适应（PEMMA）框架，以将 PET 扫描纳入其中，通过将注意力权重进行低秩适应（LoRA）实现参数高效调整，同时最小化交叉模态耦合，使单一模态下训练和更新联合模型成为可能，并
PDF2 months ago
BC-MRI-SEG：乳腺癌 MRI 肿瘤分割基准
基于公开可用的磁共振成像 (MRI) 数据集，提出了一个基准 (BC-MRI-SEG) 来进行二元乳腺癌肿瘤分割，其中包括四个数据集，其中两个用于监督式训练和评估，两个用于无样本评估，并在基准上比较了最先进的方法，并提供了可用的公共乳腺癌
PDF2 months ago
COIN: 计数事实上填充用于弱监督医学图像语义分割
通过解释性人工智能和反事实解释的框架，本研究开发了一种新型反事实修复方法（COIN），通过生成模型将分类标签从异常翻转到正常，实现对医学图像中病变的精确分割，不依赖于现有的分割掩模，证明其在肾脏肿瘤的语义分割方面优于现有的方法，并为稀缺标注
PDF2 months ago
一组原发鼻咽癌多模态 MRI 图像分割的数据集
多模态磁共振成像数据在鼻咽癌的早期诊断、肿瘤分割和疾病分期管理中起到重要作用，研究团队引入了第一个全面的鼻咽癌 MRI 数据集，包括了 277 名患者的 MR 轴向成像，总计 831 次扫描，并提供了经验丰富的放射科医生手动注释和标记的未经
PDF3 months ago
H2ASeg: PET/CT 图像中肿瘤分割的分层自适应交互和加权网络
通过 Hierarchical Adaptive Interaction and Weighting Network（H2ASeg）来积极地探索非性质语义与结构之间的互补关系，有效地模型化用于 PET 和 CT 模式间非线性关联，进而提高肿
PDF3 months ago
注意力增强的混合特征聚合网络用于三维脑肿瘤分割
基于多尺度关注引导 U-Net 模型以及 Swin Transformer 的三维脑肿瘤分割方法的性能评估。
PDF4 months ago
BraSyn 2023 挑战：缺失 MRI 综合与不同学习目标的影响
本研究针对 BraTS 2023 中的 Brain Magnetic Resonance Image Synthesis for Tumor Segmentation (BraSyn) 挑战，通过深度学习中的图像对图像转换探究不同图像质量损
PDF4 months ago
多类型肿瘤的分割基础模型
通过使用 Resblock-backbone 和 Transformer-bottleneck 构建 16 亿参数的大规模肿瘤分割基础模型 (TSFM)，我们利用医学影像中肿瘤和器官之间的空间相关性，创新地融合了 7 个肿瘤数据集和 3 个
PDF4 months ago
EXACT-Net：非小细胞肺癌放疗的电子健康记录引导下肺肿瘤自动分割
使用电子健康记录辅助的 EXACT-Net 方法，在非小细胞肺癌患者的计算机断层扫描（CT）图像中，通过预训练的大型语言模型提取信息，去除假阳性，并成功检测到肿瘤结节，使得成功结节检测的数量提高了 250%。
PDF4 months ago
整片切片图像的肿瘤分割：训练还是提示？
肿瘤分割是肿瘤诊断中的关键任务，本文研究了在组织学中应用全幻灯片图像进行肿瘤分割的深度学习方法，同时利用视觉提示的新范式在三个不同的器官中展示了与传统方法相比相当甚至更好的性能。
PDF4 months ago
脑肿瘤分割的处理和迁移学习的优化框架
基于 3D U-Net 模型的多模态脑肿瘤分割框架在验证数据集上实现了 Challenges 1、2 和 3 分别为 0.79、0.72、0.74 的平均病灶 Dice 分数。
PDF5 months ago
利用特权信息学习数字乳房 X 光片肿瘤分割
使用特权信息学习技术以解决医疗数据可用性和可访问性的问题，通过在训练过程中获取特权信息知识改善数字乳腺 X 光照片上肿瘤分割的质量，实验证明该方法在大多数情况下表现更好，F1 评分比基线模型高出 10%。
PDF5 months ago
基于三维扩散模型的 [18F] F-FDG PET/CT 图像头颈肿瘤分割
提出了一种基于 3D 扩散模型的头颈肿瘤分割方法，利用 PET 和 CT 图像生成更准确的肿瘤掩膜，证实了双模态 PET 和 CT 数据在头颈肿瘤分割中的优势。
PDF5 months ago
去中心化 Gossip Mutual Learning（GML）用于多参数 MRI 的脑肿瘤分割
通过 Gossip Mutual Learning (GML) 这种基于 Gossip 协议的去中心化框架，我们在使用 BraTS 2021 数据集的四个临床站点中，对 146 个病例进行肿瘤分割任务的实验中发现，GML 在与本地模型相比具
PDF5 months ago
训练和比较 nnU-Net 和 DeepMedic 方法用于儿童脑肿瘤自动分割
通过多机构儿童专用多参 MRI 扫描数据训练，我们比较了两种基于深度学习的三维分割模型，即 DeepMedic 和 nnU-Net，在脑肿瘤分割方面的性能，结果显示儿童专用数据训练的 nnU-Net 模型在整个肿瘤及亚区域分割方面优于 De
PDF6 months ago
基于去中心化的八卦 mutual learning (GML) 技术应用于自动头颈肿瘤分割
GML 是一种去中心化的协作学习框架，通过使用八卦协议实现直接的点对点通信并利用相互学习从同行处获取有用信息，改善了基于全局数据特性训练的模型性能，尤其在肿瘤分割任务方面，相比于基线方法（汇集训练、FedAvg 和单独训练），在特定测试样本
PDF6 months ago