搜索结果: 1-15 共查到“临床医学 分割”相关记录40条 . 查询时间(0.185 秒)
中国科学院深圳先进院等提出器官手术解剖功能区域自动分割方法(图)
深圳先进院 器官手术 解剖功能 区域自动分割
2023/8/1
基于功能区域的解剖切除作为手术切除方法,可有效减少局部复发,提高长期生存率。器官解剖功能区域分割(将同一器官分割成多个解剖区域)可以定位肿瘤在子区域的位置、计算器官的术后残余体积,帮助外科医生制定解剖切除术前规划。
基于双模型交互学习的半监督医学图像分割
半监督学习 医学图像分割 双模型交互学习 平均教师
2024/1/17
在医学图像中,器官或病变区域的精准分割对疾病诊断等临床应用有着至关重要的作用,然而分割模型的训练依赖于大量标注数据.为减少对标注数据的需求,本文主要研究针对医学图像分割的半监督学习任务.现有半监督学习方法广泛采用平均教师模型,其缺点在于,基于指数移动平均(Exponential moving average,EMA)的参数更新方式使得老师模型累积学生模型的错误知识。
苏州医工所高欣团队利用人工智能对上皮性卵巢癌图像进行肿瘤自动分割(图)
卵巢癌图像 肿瘤评估 医学图像
2023/7/20
卵巢癌是一种常见的妇科恶性肿瘤,其发病率居妇科恶性肿瘤第二位,病死率居首位。其中,上皮性卵巢癌(epithelial ovarian cancer, EOC)占比高达90-95%。目前EOC的治疗主要包括肿瘤细胞减灭术和辅助静脉化疗。术前肿瘤评估对于制定治疗计划和改善患者预后至关重要。识别和描绘肿瘤区域(EOC分割)是肿瘤评估的先决条件,这也有助于简化后续的疗效评估。然而在临床实践中,EOC分割通...
广东专家团队实现人工智能结肠癌病灶影像精准分割
人工智能 结肠癌 医学图像分析
2023/5/29
中山大学附属第六医院12日发布消息称,该结直肠肛门外科吴小剑团队在国际上率先实现了自主结肠癌病灶影像精准分割的人工智能临床解决方案。相关研究结果在医学影像人工智能算法期刊《医学图像分析》发表。
苏州医工所杨晓冬课题组在皮肤镜病灶分割模型研究中取得重要进展(图)
杨晓冬 皮肤镜病灶分割 黑色素瘤 皮肤癌
2023/7/20
皮肤癌是世界上最常见的、增长最快的癌症之一。其中,黑素瘤是最恶性的皮肤癌,2018年就新增28.77万人并导致6.07万人死亡。皮肤镜是皮肤科医生用来区分黑色素瘤的使用最广泛的工具之一,皮肤镜图像中病灶的自动精准分割是计算机辅助皮肤癌诊断的基础步骤,其可提供病灶的位置、形状、大小等定量信息,对提高皮肤癌诊断的准确性和效率具有重要作用。
然而,由于皮肤癌病灶往往呈现多变的尺度、不规则的形状、模糊的...
近日,医学部倪东教授团队在医学图像分析领域的顶级期刊《Medical Image Analysis》(IF:11.148)上发表论文“Contrastive Rendering with Semi-supervised Learning for Ovary and Follicle Segmentation from 3D Ultrasound”。该工作为倪东教授团队和广州医科大学第三附属医院合作...
基于水平集和形状描述符的腹部CT序列肝脏自动分割
肝脏分割 水平集 形状描述符 腹部CT图像
2024/1/23
肝脏分割是计算机辅助肝脏疾病诊断的重要前提和基础.本文提出了一种新的基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法.首先,对原始腹部CT序列图像进行预处理,去除与肝脏不相关的器官和组织.然后,利用灰度偏移场,结合周长项、距离正则项和相邻切片肝脏分割结果构建水平集能量函数,实现CT序列肝脏自动分割.为避免分割误差累积,提出一种基于形状描述符和瓶颈率的肝脏边缘优化方法,在每张切片分割完毕后去...
前列腺超声图像分割技术研究进展
前列腺 超声 影像科
2020/1/13
对于男性来说,前列腺癌是致死亡率前三的癌症。前列腺癌变的诊断逐渐成为影像研究极其重要的步骤,经直肠超声、计算机断层扫描(computed tomography,CT)和磁共振成像(magnetic resonance imaging,MRI)是普遍的诊断方式。相比于各种诊断方式,经直肠超声图像精确分割能够有高度区分行的前列腺特征,同时可以提高计算处理的效率,所以经直肠精确分割被认为诊断前列腺癌的较...
基于U-Net神经网络的多模态MR颈动脉血管成像的分割方法研究
神经网络 颈动脉 动脉粥样硬化 磁共振成像
2020/3/5
探讨基于U-Net神经网络的多模态MR影像颈动脉血管分割方法的价值。回顾性分析了2012年至2015年中国动脉粥样硬化风险评估研究项目中,经标准多模态MR扫描,且两周内出现缺血性脑卒中或短暂性脑缺血的患者。经纳入标准和排除标准筛选后,有658例患者共17 568层颈动脉血管壁影像纳入研究。应用定制设计的心血管疾病评估计算机辅助系统(CASCADE,华盛顿大学血管成像实验室,西雅图)对所有影像数据进...
将深度残差结构和U-Net网络结合形成新的网络ResUnet,并利用ResUnet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域。方法:使用的CT影像数据来源于LUNA16数据集,首先对CT图像预处理提取出肺实质,然后对其截取立体图像块并进行数据增强来扩充样本数,形成相应的肺结节掩膜图像,最后将生成的样本输入到ResUnet模型中进行训练。
影像分割中Dice系数和Hausdorff距离的比较
精确放疗 靶区勾画 轮廓相似性 Dice系数 Hausdorff距离
2020/6/15
比较影像分割技术中Dice系数和Hausdorff距离的评价效果,分析这两种相似性系数之间的联系,并设计相应的类型加以进一步论述。方法:采用Dice系数和Hausdorff距离对两种轮廓相似度进行评估。设计18个(9对)从临床靶区中抽象出的轮廓,计算并比较这两类相似性系数。结果:根据比较结果,总结出3种不同类型情况:(1)图像符合度好;(2)图像整体符合度好,但存在一小部分符合度差;(3)图像轮廓...
卷积神经网络(CNN)是目前计算机视觉和模式识别中效果最为突出的算法。CNN拥有强大的空间识别能力,可以从图像中提取高阶的空间特征,同时通过共用卷积核的方式大幅减少参数量,从而在提升网络性能的同时保持总参数量在一个合理的、可运算的范畴。部分采用无监督学习的CNN算法可以在没有先验知识的条件下实现一定程度的图像语义分割,大幅减少人工读图的负担。本研究就CNN在医学图像分割中的研究进展和使用CNN时的...