Search research articles

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

Videos de Conceptos Relacionados

Classification of Bones

Classification of Bones

The bones of the human skeletal system are of varied shapes, sizes, and functions. They can be classified based on their shape and function into four major classes: long bones, short bones, flat bones, and irregular bones. Some classifications include a fifth type, the sesamoid bones, as a separate class, whereas others categorize them under short bones.
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The long...

También podría leer

Artículos Relacionados

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

Ordenar por

Same author

Injecting reasoning into vision-language models via weight-decomposed merging.

Neural networks : the official journal of the International Neural Network Society·2026

Same author

Non-invasive diagnostic model for myocarditis using cardiac magnetic resonance radiomics.

Quantitative imaging in medicine and surgery·2026

Same author

Author Correction: Towards clinical-level interpretation of dental panoramic radiography using an instance-guided vision-language model.

Nature biomedical engineering·2026

Same author

DiffRES: Unleashing Text-to-Image Diffusion Models for Generative Referring Expression Segmentation Without Information Leakage.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026

Same author

LoRASculpt: Harmonious Low-Rank Adaptation for Multimodal Large Language Models.

IEEE transactions on pattern analysis and machine intelligence·2026

Same author

Towards clinical-level interpretation of dental panoramic radiography using an instance-guided vision-language model.

Nature biomedical engineering·2026

Search research articles

Video Experimental Relacionado

Updated: Jun 29, 2026

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

Aprovechamiento del Conocimiento Anatómico Textual para la Segmentación de Múltiples Órganos Semi-Supervisada con

Yuliang Gu, Weilun Tsao, Yepeng Liu

IEEE transactions on medical imaging

|January 12, 2026

Resumen

Este estudio presenta un método novedoso que utiliza Modelos de Lenguaje Grandes Multimodales (MLLM) para extraer priors anatómicos para la segmentación semi-supervisada de múltiples órganos, mejorando significativamente la precisión al aprovechar las ideas textuales para una mejor localización de órganos y plausibilidad de la forma.

Palabras clave:

Segmentación de imágenes médicas Aprendizaje semi-supervisado Modelos de lenguaje grandes multimodales Conocimiento anatómico Análisis de imágenes médicas Inteligencia artificial Anatomía computacional

Más Videos Relacionados

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Published on: December 15, 2023

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

Videos de Experimentos Relacionados

Last Updated: Jun 29, 2026

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

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Published on: December 15, 2023

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

Área de la Ciencia:

Análisis de imágenes médicas
Inteligencia artificial
Anatomía computacional

Sus antecedentes:

La segmentación semi-supervisada de múltiples órganos enfrenta desafíos debido a las distribuciones desequilibradas de clases.
La integración del conocimiento anatómico es una estrategia clave para abordar estas dificultades de segmentación.

Objetivo del estudio:

Explorar el uso de Modelos de Lenguaje Grandes Multimodales (MLLM) para extraer priors anatómicos.
Mejorar la segmentación semi-supervisada de múltiples órganos incorporando conocimientos anatómicos textuales.

Principales métodos:

Se utilizó GPT-4o para generar descripciones textuales de las relaciones posicionales y las formas de los órganos como priors anatómicos.
Se integraron estos priors textuales en la cabeza de un modelo de segmentación.
Se empleó el aprendizaje contrastivo para alinear los priors textuales con las características visuales.

Principales resultados:

El método propuesto demostró mejoras significativas de rendimiento sobre los enfoques de vanguardia.
Los priors posicionales interorgánicos ayudaron a localizar órganos más pequeños en relación con los más grandes.
Los priors de forma de órganos mejoraron la plausibilidad anatómica de las estructuras morfológicas aprendidas.

Conclusiones:

Los priors anatómicos derivados de MLLM son efectivos para mejorar la segmentación semi-supervisada de múltiples órganos.
La integración de características textuales y visuales a través del aprendizaje contrastivo mejora la precisión de la segmentación y la corrección anatómica.