Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography04:48

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

3.3K
An object segmentation protocol for orbital computed tomography (CT) images is introduced. The methods of labeling the ground truth of orbital structures by using super-resolution, extracting the volume of interest from CT images, and modeling multi-label segmentation using 2D sequential U-Net for orbital CT images are explained for supervised...
3.3K
Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking (FLLIT)08:04

Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking (FLLIT)

7.2K
We describe detailed protocols for using FLLIT, a fully automated machine learning method for leg claw movement tracking in freely moving Drosophila melanogaster and other insects. These protocols can be used to quantitatively measure subtle walking gait movements in wild type flies, mutant flies and fly models of...
7.2K
Anterior Segment Organ Culture Platform for Tracking Open Globe Injuries and Therapeutic Performance07:27

Anterior Segment Organ Culture Platform for Tracking Open Globe Injuries and Therapeutic Performance

2.3K
Open globe eye injuries may go untreated for multiple days in rural or military-relevant scenarios, resulting in blindness. Therapeutics are needed to minimize loss of vision. Here, we detail an organ culture open globe injury model. With this model, potential therapeutics for stabilizing these injuries can be properly...
2.3K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

10.6K
This is a method for training a multi-slice U-Net for multi-class segmentation of cryo-electron tomograms using a portion of one tomogram as a training input. We describe how to infer this network to other tomograms and how to extract segmentations for further analyses, such as subtomogram averaging and filament...
10.6K
Volume Segmentation and Analysis of Biological Materials Using SuRVoS (Super-region Volume Segmentation) Workbench11:38

Volume Segmentation and Analysis of Biological Materials Using SuRVoS (Super-region Volume Segmentation) Workbench

10.2K
Segmentation of three-dimensional data from many imaging techniques is a major bottleneck in analysis of complex biological systems. Here, we describe the use of SuRVoS Workbench to semi-automatically segment volumetric data at various length-scales using example datasets from cryo-electron tomography, cryo soft X-ray tomography, and phase contrast X-ray tomography...
10.2K
Multiple Object Tracking05:55

Multiple Object Tracking

8.2K
Source: Laboratory of Jonathan Flombaum—Johns Hopkins University
8.2K

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Development and validation of a machine learning model for sperm DNA fragmentation rate in infertile men: a multicenter retrospective study.

Frontiers in endocrinology·2026
Same author

RNF114-PACSIN3 signaling axis promotes hepatocellular carcinoma progression by enhancing GLUT1 membrane retention and glucose uptake.

Cellular oncology (Dordrecht, Netherlands)·2026
Same author

Does adherence to Canadian 24-Hour Movement Guidelines reduce all-cause mortality in patients with chronic kidney disease?

Medicine·2026
Same author

Sequential Release From Hierarchical MOF-on-MOF Architectures for Programmable Self-Healing and Self-Warning Coatings.

Small (Weinheim an der Bergstrasse, Germany)·2026
Same author

EGFR-dependent delivery of phosphorylated IGFBP3 by cancer stem cells drives chemotherapy resistance in colorectal cancer.

Cell death & disease·2026
Same author

[Mechanism of electroacupuncture at sensitized "Sanyinjiao" (SP6) in alleviating primary dysmenorrhea in rats based on Piezo1 ion channel].

Zhen ci yan jiu = Acupuncture research·2026

Video Experimental Relacionado

Updated: Jan 20, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

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

Published on: November 30, 2022

3.3K

Adaptadores Convolucionales Profundos Dilatados para Seguimiento y Segmentación de Objetos Médicos Utilizando el

Guoping Xu1, Christopher Kabat1, You Zhang1

  • 1The Medical Artificial Intelligence and Automation (MAIA) Laboratory, Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas, TX 75390, USA.

Machine learning: science and technology
|January 19, 2026
PubMed
Resumen

Desarrollamos DD-SAM2, un marco eficiente para adaptar el Modelo Segment Anything 2 (SAM2) para la segmentación y el seguimiento de videos médicos. Este método mejora la extracción de características, permitiendo un alto rendimiento con datos limitados.

Palabras clave:
Segment Anything Model 2Adaptadores Convolucionales Profundos DilatadosSegmentación de Videos MédicosSeguimiento de Objetos MédicosAprendizaje ProfundoVisión por Computadora

Más Videos Relacionados

Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking FLLIT
08:04

Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking FLLIT

Published on: April 23, 2020

7.2K
Anterior Segment Organ Culture Platform for Tracking Open Globe Injuries and Therapeutic Performance
07:27

Anterior Segment Organ Culture Platform for Tracking Open Globe Injuries and Therapeutic Performance

Published on: August 25, 2021

2.3K

Videos de Experimentos Relacionados

Last Updated: Jan 20, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

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

Published on: November 30, 2022

3.3K
Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking FLLIT
08:04

Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking FLLIT

Published on: April 23, 2020

7.2K
Anterior Segment Organ Culture Platform for Tracking Open Globe Injuries and Therapeutic Performance
07:27

Anterior Segment Organ Culture Platform for Tracking Open Globe Injuries and Therapeutic Performance

Published on: August 25, 2021

2.3K

Área de la Ciencia:

  • Imágenes Médicas
  • Aprendizaje Profundo
  • Visión por Computadora

Sus antecedentes:

  • El aprendizaje profundo impulsa la segmentación de imágenes médicas, pero tiene dificultades con escenarios dinámicos y diseños específicos de la modalidad.
  • Segment Anything Model 2 (SAM2) ofrece segmentación de video en tiempo real, pero requiere datos extensos para la adaptación médica.
  • Los métodos existentes enfrentan altos costos computacionales y riesgo de olvido catastrófico al adaptar SAM2 a videos médicos.

Objetivo del estudio:

  • Proponer DD-SAM2, un marco de adaptación eficiente para Segment Anything Model 2 (SAM2) en la segmentación y el seguimiento de videos médicos.
  • Mejorar la extracción de características multiescala para SAM2 utilizando un Adaptador Profundo Dilatado (DD-Adapter) con una sobrecarga mínima de parámetros.
  • Permitir la adaptación eficaz de SAM2 en videos médicos utilizando datos de entrenamiento limitados y aprovechar su memoria de transmisión para el seguimiento de objetos.

Principales métodos:

  • Desarrolló DD-SAM2, un marco de adaptación eficiente para SAM2.
  • Incorporó un Adaptador Profundo Dilatado (DD-Adapter) para mejorar la extracción de características multiescala.
  • Utilizó la memoria de transmisión de SAM2 para el seguimiento y la segmentación de objetos en videos médicos.

Principales resultados:

  • Logró un rendimiento superior en tareas de segmentación y seguimiento de videos médicos.
  • Demostró altas puntuaciones de Dice: 0.93±0.04 en TrackRad2025 (segmentación de tumores) y 0.97±0.01 en EchoNet-Dynamic (seguimiento del ventrículo izquierdo).
  • Mostró una adaptación eficaz de SAM2 en videos médicos con datos de entrenamiento limitados.

Conclusiones:

  • DD-SAM2 proporciona una solución eficiente para adaptar SAM2 a la segmentación y el seguimiento de videos médicos.
  • El DD-Adapter propuesto mejora la extracción de características, permitiendo un alto rendimiento con parámetros mínimos.
  • Este trabajo representa una exploración novedosa de la adaptación basada en adaptadores para SAM2 en el análisis de videos médicos.