医学图像相关论文
随着科技的进步,图像分割作为图像处理的关键技术之一有着至关重要的地位,本文基于卷积神经网络的方法对图像的分割技术做出针对性......
随着信息技术的快速发展,医疗领域的图像分割任务得到了广泛的关注与研究。医学图像分割能够预测出病灶或器官的位置,辅助医生进行......
针对人为无法及时从医学图像发现病理特征，最终导致并且恶化的问题，本文提出了一种二次特征提取的方法 w-net，用来对肺、肝脏、细胞及......
本文介绍了基于深度学习的“医学影像智能分割系统”的开发与实现，本系统将基于深度学习的语义分割方法与影像相结合对病灶区域进行......
近年来，由于Transformer能够有效地捕获全局上下文信息，在机器视觉领域展现了巨大的应用潜力。然而，它只能获取单尺度的上下文信息，对......
医学病理图像精准的自动分类一直是深度学习领域研究的重要问题。但传统的人工提取特征并进行图像分类,通常需要深入的知识以及更......
针对已有的目标检测算法对于医学图像目标检测效果差、精度低、漏检等问题，在Faster RCNN及其他目标检测算法的启发下，提出一种以Fas......
精确的肝脏和肝脏肿瘤自动分割方法在帮助医生对肝癌诊断、治疗和以及在术后观察都具有重要的意义。由于卷积的局部性，现有的基于卷......
医学图像对疾病的诊断、治疗和评估均有所帮助,准确分割医学图像中的器官对于辅助医生的诊断具有重要的实际意义.由于医学图像中各......
鉴于图像的密文域可逆信息隐藏在安全云计算和隐私保护方面的重要作用，为了提高信息嵌入率，结合医学DICOM图像像素深度高、像素分布......
近年来,深度学习技术飞速发展,在很多领域大放异彩,尤其是在计算机图像处理领域,深度学习尤其是神经网络的相关技术逐渐被应用于医......
目前深度学习在医学图像分析领域取得的良好表现大多取决于高质量带标注的数据集,但是医学图像由于其专业性和复杂性,数据集的标注......
近年来,以卷积神经网络为代表的深度学习方法在医学图像的分类、分割等任务上取得了超越传统方法的成绩,得到了越来越广泛的研究和......
高分辨率医学图像可以为医生提供更丰富的病理信息,提高诊断的可靠性。核磁共振成像（MRI）是临床上常用的成像技术,当前,获得较高分辨......
随着医学成像技术的快速发展,计算机辅助诊断系统成为当今医生诊断的重要辅助工具,而医学图像分割又是计算机辅助诊断系统设计中的......
由于空气污染、吸烟以及不良生活习惯等原因,目前有越来越多的人患上诸如肺癌、肺炎等肺部疾病。在肺部疾病诊断的过程中,医生往往......
随着老龄化社会的到来,患者逐渐增多,医疗资源越来越难满足当今社会的医疗需求。深度学习不仅可以有效的缓解医疗资源紧缺的问题而......
近年来，随着国家层面对“AI+医疗领域”的重视，医疗人工智能研究得到快速发展。深度学习作为人工智能领域的一个重要分支，具有强大的......
随着网络技术的快速发展,涉及到的图像数据信息越来越大,范围越来越广,研究者对图像检索技术有了新想法.针对检索效率问题,提出了......
医学影像是一种非常重要的信息载体,其可以很好的帮助临床医师了解患者病情,辅助医师规划治疗方案。医学图像分割技术同样在临床应......
传统牙科医生通过测量和操作牙模来进行诊疗,该法成本高、耗时长、精度不高。现代三维牙齿的数字模型为牙科提供了重要的临床治疗......
现今社会,“养生”一词频繁登上各类搜索引擎的热搜榜,足以说明当代人对于身体健康的关注程度空前高涨,而其中最不容忽视的就是口......
在众多的目标检测算法中,深度学习可以有效地识别病变区域并提高其检测精度。当前,基于深度学习的目标检测算法只是从图像的角度对......
随着现代医疗影像的数字化存储与传输等新技术的逐步改进与完善,数字化医疗影像在临床疾病的诊断与治疗等相关科学研究方面当中的......
利用医学影像检查中产生的MRA、CTA等平扫图像进行血管的三维重建,对于心脑血管病变的检测和诊断具有重要的意义,三维重建前需要先......
医学图像是重要的临床参考信息,被广泛应用于实际临床诊断中。高分辨率的医学图像可以辅助医生做出更好的治疗决策,但直接获取真实......
生成对抗网络(generative adversarial network,GAN)作为深度学习下无监督学习的典型方法,使用深度学习的计算机辅助诊断系统目前......
随着医学影像学的快速发展,医生显著提高了对不同疾病的检测效率和诊断精度。其中,医学图像病灶区域的分割结果是医生作为临床学诊......
近些年,利用计算机辅助诊断（CAD）技术进行医学图像的处理与分析得到了广泛的关注。现代深度学习技术日新月异,将卷积神经网络（CNN）用于......
医学图像配准是医学图像处理（病灶识别、分割）的基础,在图像引导放射治疗、肿瘤检测生长、器官图谱生成等领域有重要应用.基于迭代优......
针对视网膜黄斑病变数据集缺失以及视网膜图像冗余度过大问题,建立了包含3种视网膜病变的视网膜黄斑疾病检测数据集,并提出了一种......
颅内动脉瘤是脑血管疾病的一种,一旦发生动脉瘤破裂,如果不得到及时的救助,很有可能会危及患者的生命安全。在颅内动脉瘤的诊断中,......
医学图像分割是医学图像处理与分析领域一个复杂而关键的步骤,其目的是将医学图像中具有特殊含义的部分分割出来,并提取相关特征,......
小规模数据集和有限的带标签样本是医学成像领域的主要挑战。训练成功的深度学习算法需要大量的有标签数据作为支撑,但由于医学图......
受吸烟人口数量众多、工业废气污染、生存环境拥挤、生活压力大等影响因素,肺部疾病已经严重地威胁人类的健康和生命,并且肺癌的死......
随着社会发展,健康日益成为人们关注的问题。在疾病的诊断和分析方面,特别是肿瘤和神经退行性疾病,目前存在以下问题:医生进行诊断......
医学图像配准技术是医学图像处理领域中一个重要的研究问题。传统的配准方法需要通过重新迭代优化目标函数实现配准,计算速度缓慢,......
医学影像作为医疗数据的主要载体,在疾病预防、诊断和治疗中发挥着重要作用.医学图像分类是医学影像分析的重要组成部分.如何提高......
随着医学影像技术的迅速发展,健康医疗已步入大数据新时代,其中医疗大数据中90%的数据来自医学影像。因此,如何从海量医学影像数据......
医学图像配准一直是医学影像处理系统中重要的处理环节,能够为后续的融合、重建等任务提供对齐的图像数据。由于医学图像具有极其......
医学图像融合是图像处理科研领域的热门课题.针对传统的PET-CT图像融合方法有效地融合了CT图像和PET图像的互补信息,但是在图像整......
残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域.该文对残差神经网络从以下几个方面进行综述:首先,阐......
医学图像处理要求比较严格，要保证做到精确清晰?随着医学图像数据量的增多，为提高图像处理质量与效率，需要进一步加深对专业处理技术......
当前,计算机技术发展日新月异,随着医疗器械的配套更新,医学图像的数据也越来越丰富。面向医学图像的处理和分析能够对医生的诊断......
生成对抗网络将多个深度神经网络嵌入到最小化-最大化框架中,通过构建初始分布和真实数据分布之间的非线性映射,达到拟合真实数据......
