vessel segmentation | BriefGPT

关键词vessel segmentation

搜索结果 - 27

SPIRONet：基于空间频率学习和拓扑通道交互的血管分割网络
提出了一种新颖的空间频率学习和拓扑通道交互网络（SPIRONet），旨在解决当前自动血管分割方法在低信噪比、细小的血管和强干扰等显著挑战下表现不佳的问题。通过使用双编码器全面捕获局部空间和全局频率血管特征，引入交叉注意力融合模块来有效融合空
PDF6 days ago
利用无需源数据主动域自适应和一种新的多中心数据集提升 UWF-SLO 血管分割
利用基于补丁的主动领域适应方法改进了超广角扫描激光眼底镜成像中船体分割的准确性，在多个医疗中心的数据上验证了方法的有效性和鲁棒性，并构建了用于交叉中心评估的首个多中心超广角扫描激光眼底镜血管分割数据集。
PDF15 days ago
DeNVeR: 非监督视频血管分割的可变形神经血管表示
本文提出了一种无监督的 Deformable Neural Vessel Representations (DeNVeR) 方法，用于 X 射线视频中的血管分割，通过光流和层分离增强分割精度和适应性，并引入了首个高质量手动标记分割地面真实性
PDFa month ago
SAM-VMNet：冠状动脉造影血管分割的深度神经网络
我们提出了一种新颖的体系结构 SAM-VMNet，它结合了 MedSAM 的强大特征提取能力和 VM-UNet 的线性复杂性视觉状态空间模型的优势，具有更快的推理速度和更强的数据处理能力，实现了 CTA 图像的更高分割准确性和稳定性。
PDFa month ago
Dr-SAM: 血管图像的端到端框架，用于血管分割，直径估计和异常检测
通过提出 Dr-SAM，一个综合性的多阶段框架，用于分割血管、估算血管直径和异常分析的对周围血管的血管造影图像的综合分析，我们希望能够增强诊断精确性，改善血管问题患者的健康结果，并引入一个新的用于周围血管血管造影图像的基准数据集，以推动未来
PDF2 months ago
脑血管分割的无监督领域自适应：基于 Transwarp 对比学习
该研究提出了一种简单而强大的对比学习框架，用于医学图像分析中的无监督领域自适应，在标记的源分布和未标记的目标分布之间缩小域间差距。实验证明，该方法可以从标记的 3DRA 模态数据中学习潜在特征，并改善未标记的 MRA 模态数据中的血管分割性
PDF4 months ago
基于深度学习的纤维和导管的分割与特征化
利用 YOLOv8 模型，本研究提出一种深度学习方法，用于高效分析和定量木材细胞，实现了快速准确的纤维和导管分割，为实际应用提供了有效的解决方案。
PDF5 months ago
面向 SLO 图像的公开船舶分割算法
基于 IRSLO 图像，我们研发了一种专门用于血管分割的算法，并将其作为开源项目发布。该算法采用了 U-Net 深度学习网络，在测试集上达到了较高的准确率，并可用于计算血管指标，如分形维度和血管密度。
PDF7 months ago
基于单个 2D 投影和深度监督的对比增强 CT 图像的 3D 动脉分割
我们提出了一种新的方法，通过深度监督仅使用一个注释的 2D 投影来单独分割 3D 胰周动脉，从而减少注释工作量，并且通过将 2D 标签映射到 3D 空间并将其纳入训练，几乎消除了 3D 监督与 2D 监督之间的性能差距。
PDF10 months ago
VesselShot: 脑血管分割的小样本学习
血管拍片是广泛用于检测、诊断和治疗脑血管疾病的方法。由于现有的深度学习方法往往依赖于专有数据集和大量的手动标注，我们提出了一种名为 VesselShot 的少样本学习方法，通过利用少量有注释的辅助图像的知识，缓解了脑血管分割中标注数据稀缺和
PDF10 months ago
基于拓扑损失的级联多任务 U-Net 用于血管分割和中心线提取
本研究提出了一种基于深度学习的方法，用于血管分割和中心线提取，通过嵌入拓扑约束提高了预测结果的准确性。
PDFa year ago
无监督可变形超声图像配准及其在血管分割中的应用
本文介绍了一种基于深度学习的模型进行医学超声图像的可变形配准，同时能够生成合成图像用于训练血管分割模型，而无需额外的手动标注。模型通过不同的损失函数进行训练，能够将生成的合成超声图像与真实图像的结构相似性指数（SSIM）分别达到 98% 和
PDFa year ago
基于血管分割的 CycleGAN 用于非配对多模态视网膜图像合成
本研究提出了一种将血管分割网络集成到图像翻译任务中的方法，并通过扩展 CycleGAN 框架，将其插入到 UNet 视觉转换器生成器网络之前，以此来提高基于深度学习的多模式视网膜配准方法的训练数据集。我们重构了原始的恒等损失，以学习血管分割
PDFa year ago
扩散模型生成具有结构现实性的视网膜底部图像
使用扩散模型生成解剖准确的血管结构视网膜图像，评估表明该方法提高了数据增强和血管分割的性能并可以构建独立的数据集。
PDFa year ago
JoB-VS: TOF-MRA 图像中的联合脑血管分割
我们提出了第一个联合任务学习框架，用于从 TOF-MRA 图像中进行脑部和血管分割。该方法采用网格结构，同时预测脑部和血管掩模，并使用对抗样本进行数据增强，取得了良好的分割结果。
PDFa year ago
ICLR自监督血管分割的扩散对抗表示学习
本文提出了一种使用扩散概率模型和对抗性学习的扩散对抗性表示学习（DARL）模型，用于血管分割，该模型可以在无监督和自监督的情况下学习，并且可以应用于冠状动脉和视网膜图像的血管结构分割。通过实验，我们证明该方法显著优于现有的无监督和自监督的血
PDF2 years ago
AAAI具有有限标签的边缘竞争型病理性肝血管分割
通过建立肝脏病理图像数据集和引入边缘竞争血管分割网络（EVS-Net）, 本文提出了一种精确的血管分割算法来自动诊断肝细胞癌的微血管侵犯 (MVI)，该方法比传统的全监督方法表现更优。
PDF3 years ago
基于深层通道注意力网络的连续血管分割
本研究提出一种新型编码器 - 解码器深度网络结构，利用在当前帧中心处以滑动窗口方式，利用 2D+t 连续图像的多个上下文帧来分割 2D 血管掩膜。该架构具有时间和空间特征提取，跳跃连接层中的特征融合和解码器阶段的通道注意机制。通过对所提出的
PDF3 years ago
RV-GAN: 一种新型多尺度生成对抗网络用于眼底照片中的视网膜血管结构分割
RV-GAN 是一种新的多尺度生成式体系结构，用于精确定位和分割视网膜微血管结构，在像素级分割视网膜血管时具有优异的性能，该结构通过引入新的加权特征匹配损失来避免传统基于 GAN 的分割系统的保真度丢失。
PDF4 years ago
MMNuI-Go: 递归非局部编码器 - 解码器网络用于视网膜图像非均匀光照去除
本文提出了一种名为 NuI-Go 的非均匀照明去除网络，涉及视网膜图像增强和血管分割，通过逐步增强从而有效去除视网膜图像中的非均匀照明，同时保留图像细节和色彩信息。
PDF4 years ago