ultrasound images | BriefGPT

关键词ultrasound images

搜索结果 - 34

用于超声应用的零样本基本模型的语义分割精化器
通过使用粗糙语义分割掩模作为输入以及零 - shot 可提示的基础模型作为优化目标，我们提出了一种不需要提示的分割方法来解决低数据环境下分割模型的性能下降问题，并在肌肉骨骼超声图像数据集上进行了实验证明我们方法的优势，在不同程度的低数据环境
PDF2 months ago
使用简单临床标注的非对称学习进行超声结节分割
本研究提出了一种基于简单的长宽比批注的自动结节分割方法，并通过扩展长宽比批注标签，采用两种类型的伪标签训练两个不对称分割网络，结合保守和激进标签采用一种平衡策略，同时引入了一种动态混合伪标签监督模块以解决过分割和欠分割问题。此外，为了进一步
PDF2 months ago
基于 YOLO 和 Faster R-CNN 的超声影像胆囊癌检测
通过将 YOLO 和 Faster R-CNN 算法融合应用于超声图像中，本研究旨在选择更精确的包围盒以提高胆囊癌分类，实验证明该方法在分类性能上表现优越，准确率达到 92.62%，而仅使用 Faster R-CNN 和 YOLOv8 的准
PDF2 months ago
融合自适应小波变换的纹理分类网络
将可学习的小波模块整合到卷积神经网络中，以增强纹理特征提取，并通过在 ResNet18 模型中引入并行小波分支，实现对空间和频率域纹理特征的同时分析，从而提高了分类准确性。在收集的超声波数据集和公开的自然图像纹理数据集上进行实验，我们的模型
PDF3 months ago
超声数据中前列腺癌检测图像变换的基准测试
用深度学习方法结合卷积网络和 transformers 的多尺度方法在前列腺癌的超声图像分类中表现最佳，而多目标学习可以提高性能。
PDF3 months ago
MEDDAP：通过多样化增强流程来增强医疗数据集
通过结合稳定扩散模型和超声波应用的精调方法，MEDDAP 管道能够扩充现有的小数据集，并生成具有信息量的标记样本，同时 USLoRA 方法在稳定扩散模型中实现选择性精调权重以提高数据集多样性，并在处理未知数据集时表现出卓越性能。
PDF3 months ago
基于多视图自监督学习和两阶段预训练的甲状腺超声诊断改进
用有限的手动标签，通过多视角对比自监督方法以及两级预训练，提高甲状腺结节分类和分割性能，超过了 ImageNet 预训练和最先进的自监督方法。
PDF4 months ago
ClickSAM：使用点击提示对超声图像分割进行精调的分割任意模型
通过使用点击提示符来微调分段任何模型以进行超声图像的分割，ClickSAM 在超声图像分割方面表现出卓越的性能。
PDF5 months ago
单 PW 在美国成像中采用一种捷径生成复合 PW
通过采用先进的扩散模型，我们在超声图像重建方面展示出了有效性，从而实现了采样步骤的大幅削减，所得结果与传统的扩散模型相比具有可比性。
PDF7 months ago
超声引导下硬膜外注射的木材解剖自动检测
为帮助麻醉专家在患者体内使用针头进入针路的初始尝试时，自动找到被骨骼堵塞的硬膜外深度，并避免刺破患者背部周围区域，此论文提出了一种基于形态学骨骼增强与检测的算法，接着使用 Ramer-Douglas-Peucker 算法和 Hough 变换
PDF7 months ago
利用 MobileNetV2 进行增强的乳腺癌瘤分类：对图像强度、错误修正和基于 Streamlit 的实时部署的详细探索
基于 Google 的 MobileNetV2 模型，利用来自埃及开罗的 Baheya 医院的数据集，该研究引入了一种复杂的转移学习模型，用于对乳腺癌肿瘤进行分类，分为正常、良性和恶性三类，采用 1576 张超声图像（265 张正常、891
PDF7 months ago
超声图像中的运动感知针头分割
本文提出了一种通过将经典的 Kalman Filter (KF) 技术与数据驱动学习相结合的新方法来进行针头分割，旨在改进超声图像中的针头分割，提出的方法在常用的编码器 - 解码器结构中无缝集成，并利用基于卷积神经网络 (CNN) 的 KF
PDF7 months ago
胎儿超声异常扫描的统一生物识别估计的多任务学习方法
我们提出了一种多任务学习方法，通过对超声图像进行分类和分割来准确估计胎儿生物度量参数，实验结果在胎儿超声图像数据集上达到了很高的分类准确率和较小的平均绝对误差。
PDF8 months ago
SonoSAM -- 超声图像上的分割任意物体
该论文介绍了 SonoSAM，一种用于超声图像的对象分割的可提示基础模型。SonoSAM 在经过微调的约 200,000 个超声图像 - 掩模对组成的丰富多样的对象集上表现出最先进的性能，在 8 个未见过的超声数据集上都显著优于竞争方法，并
PDF8 months ago
多级感知边界引导网络用于超声图像中乳腺病变分割
提出了一种 PBNet 方法，由多级全局感知模块（MGPM）和边界引导模块（BGM）组成，用于从超声图像中分割乳腺肿瘤。在 MGPM 中，建模了单层特征图中体素之间的长程空间依赖关系，然后融合了多级语义信息以提高模型对非增强肿瘤的识别能力。
PDF8 months ago
BrainVoxGen：用于超声到磁共振图像合成的深度学习框架
本研究提出了一种基于深度学习框架的方法，旨在利用 Pix2Pix GAN 模型从三维超声图像合成三维 MRI 体积。利用 3D 超声卷积数据集输入到 UNET 生成器和修补鉴别器，创建相应的 3D MRI 体积。通过对 3D 超声和 MRI
PDF9 months ago
BAAF：医疗超声图像分割任务的基准注意力自适应框架
通过提出更普遍和稳健的基准关注自适应框架 (BAAF) 协助医生更快更准确地在超声图像中分割和诊断病变和组织，本研究在四个医学超声分割任务上评估了该方法，充分实验结果显示了与现有先进方法相比明显的性能改善。此外，与现有关注机制的比较也证明了
PDF9 months ago
仅使用图像级标签从超声图像中检测胆囊癌
通过使用图像级标签进行 GBC 检测，本文提出了一种使用自我监督实例选择的多实例学习方法训练 DETR 模型的弱监督目标检测算法，相较于目前最先进的基于变换器和卷积神经网络的弱监督目标检测方法，我们的方法在 AP 和检测灵敏度上表现出较大的
PDF10 months ago
约束 CycleGAN 用于有效生成改进空间分辨率的超声扇形图像
通过引入 CCycleGAN 算法，本研究成功地改善了超声图像的空间分辨率和峰值信噪比，保留了结构一致性和背散射模式，并获得了更高质量的心壁运动估计。
PDF10 months ago
CEIMVEN：一种基于经修改的 EfficientNet（V1-V2）架构的尖端实现方法，用于乳腺癌超声图像的检测与分类
利用深度学习方法，通过超参数调整、完全连接层添加、异常值剔除等措施，用于检测和分析乳腺癌的超声图像，结果表明 EfficientNet 架构在乳腺癌早期检测和分型方面具有巨大潜力。
PDF10 months ago