Search research articles

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same authorSame journal

Smart Logistics Model for Supply Chain Management via Brain-Inspired Geometric Deep Networks.

Biomimetics (Basel, Switzerland)·2026

Same author

Developing an Artificial Intelligence Solution to Autosegment the Edentulous Maxillary Bone for Implant Planning.

European journal of dentistry·2026

Same author

GAN-Based Cross-Modality Brain MRI Synthesis: Paired Versus Unpaired Training and Comparison with Diffusion and Transformer Models.

Biomimetics (Basel, Switzerland)·2026

Same author

An Intelligent Multi-Task Supply Chain Model Based on Bio-Inspired Networks.

Biomimetics (Basel, Switzerland)·2026

Same author

State-Dependent CNN-GRU Reinforcement Framework for Robust EEG-Based Sleep Stage Classification.

Biomimetics (Basel, Switzerland)·2026

Same author

A Bionic Sensing Platform for Cell Separation: Simulation of a Dielectrophoretic Microfluidic Device That Leverages Dielectric Fingerprints.

Biomimetics (Basel, Switzerland)·2025

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Video Experimental Relacionado

Updated: Sep 10, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

Un conjunto de aprendizaje para la segmentación automática de lesiones por accidente cerebrovascular utilizando

Mohammad Emami¹, Mohammad Ali Tinati¹, Javad Musevi Niya¹

¹Department, Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz 51666-16471, Iran.

Biomimetics (Basel, Switzerland)

|August 27, 2025

Resumen

Este resumen es generado por máquina.

Este estudio introduce una nueva red de aprendizaje profundo para la segmentación de lesiones cerebrales en tomografías computarizadas. El CS-Ensemble Net mejora la privacidad del paciente y mejora la precisión de la segmentación para el diagnóstico del accidente cerebrovascular.

Palabras clave:

Imágenes de TC detección por compresión Aprendizaje conjunto segmentación

Más Videos Relacionados

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

Área de la Ciencia:

Imágenes médicas
Inteligencia artificial
Neurología

Sus antecedentes:

El accidente cerebrovascular es una de las principales causas de muerte, lo que requiere una segmentación precisa de la lesión cerebral para el diagnóstico y el tratamiento.
Las tomografías computarizadas (TC) son vitales para detectar tejidos cerebrales anormales.
Los métodos de segmentación de imágenes médicas existentes a menudo pasan por alto las preocupaciones de privacidad del paciente.

Objetivo del estudio:

Proponer una red de aprendizaje profundo que integre la detección por compresión y el aprendizaje conjunto para una segmentación de lesiones cerebrales eficiente y que preserve la privacidad.
Mejorar la precisión y fiabilidad de la segmentación de lesiones cerebrales en imágenes de TC.

Principales métodos:

Una nueva red profunda, CS-Ensemble Net, que utiliza sensores de compresión para la compresión de datos y la privacidad.
Un conjunto de dos redes en forma de U modificadas de resolución múltiple para la segmentación.
Aplicación al conjunto de datos del desafío ISLES 2018 para su evaluación.

Principales resultados:

Logró métricas de alto rendimiento: 92,43% de precisión, 91,3% de especificidad y 91,83% de coeficiente de dados.
Se ha demostrado una eficiencia superior en comparación con los métodos más avanzados.
Confirmó la efectividad de la detección por compresión para la privacidad de la información y el aprendizaje conjunto para mejorar los resultados.

Conclusiones:

El CS-Ensemble Net propuesto segmenta efectivamente las lesiones cerebrales en las tomografías computarizadas al tiempo que preserva la privacidad del paciente.
Este enfoque ofrece un avance significativo en la segmentación automatizada de lesiones por accidente cerebrovascular.
La combinación de detección por compresión y aprendizaje conjunto presenta una dirección prometedora para el análisis de imágenes médicas.