vestibular schwannoma | BriefGPT

关键词vestibular schwannoma

搜索结果 - 6

基于细粒度无监督跨模态域自适应的前庭神经瘤分割
引入细粒度无监督框架以实现跨模态的前庭神经硬膜瘤和耳蜗分割，通过使用向量控制生成器并应用多样增强技术来提高分割模型的性能和鲁棒性。在 CrossMoDA 验证阶段排行榜上，我们的方法分别在前庭神经硬膜瘤和耳蜗上得到了 0.765 和 0.8
PDF7 months ago
一种用于分割前庭神经瘤和耳蜗的三维多样式跨模态分割框架
本文提出了一种针对 crossMoDA2023 挑战的三维多样式跨模态分割框架，通过多种图像转换和自我训练分割阶段，实现对未标记 hrT2 扫描中的前庭神经瘤（分为颅内和颅外组分）以及耳蜗区域的分割，并借助标记的 ceT1 扫描实现。
PDF8 months ago
临床指南驱动的自动线性特征提取用于听神经鞘瘤
通过深度学习和分割算法自动化提取临床特征，构建了一个视觉指南和相关指标工具，帮助临床医生提高诊断脑肿瘤患者的决策能力。
PDF8 months ago
MS-MT: 用于跨模态前庭神经瘤和耳蜗分割的多尺度平均教师和对比非配对翻译
提出了一种基于多尺度自组装的无监督领域自适应 (UDA) 框架，用于高分辨率 T2 影像上的自动分割 Vestibular Schwannoma (VS) 和 Cochlea。该方法结合了对比无对应图像翻译，多尺度深度监督和一致性规范化，自
PDFa year ago
多视角交叉模态 MR 图像转换用于前庭神经鞘瘤和耳蜗分割
本研究提出一种多视角图像翻译框架，通过使用像素级一致性约束和补丁级对比约束的两个图像转换模型，将增强对比度的 T1MRI 图像翻译成高分辨率 T2MRI 图像，为无监督前庭神经鞘瘤和耳蜗分割提供伪高分辨率的 T2MRI 图像，并通过实验证明
PDFa year ago
基于深度空间关注和硬度加权损失的 T2 加权 MRI 听神经瘤自动分割
介绍了一种应用于 vestibular schwannoma MRI 图像的 2.5D 卷积神经网络，该网络利用了所应用成像协议中不同的平面分辨率，使其精度和鲁棒性得到提升，并通过引入注意力机制以及权重逐渐递增的 Dice 损失函数对其进行
PDF5 years ago