Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

External Anatomy of the Kidney01:21

External Anatomy of the Kidney

The kidneys are a pair of bean-shaped organs in the human body that play a critical role in maintaining overall health. They filter out waste products from the blood, regulate blood pressure, maintain electrolyte balance, and stimulate the production of red blood cells.
The kidneys are located in the retroperitoneal space on either side of the vertebral column, protected posteriorly by the 11th and 12th ribs. The right kidney sits slightly lower than the left owing to the presence of the liver...
Internal Anatomy of the Kidney01:12

Internal Anatomy of the Kidney

The kidneys are essential organs in the human body, performing a myriad of tasks that maintain homeostasis and overall health.
Anatomical Position and Dimensions
The kidneys are retroperitoneal organs positioned against the posterior abdominal wall on either side of the spine, roughly between the twelfth thoracic and third lumbar vertebrae. Each kidney is typically 10-12 cm long, 5-6 cm wide, and 3-4 cm thick, weighing about 150 grams.
Renal Cortex
The outermost region of the kidney is the...
Imaging Studies I: Kidney, Ureter, and Bladder Studies01:28

Imaging Studies I: Kidney, Ureter, and Bladder Studies

Kidney, Ureter, and Bladder (KUB) StudiesKidney, Ureter, and Bladder (KUB) studies are standard diagnostic imaging procedures used to assess the anatomy of the urinary system. They are commonly utilized for patients experiencing abdominal pain or urinary symptoms. By using a simple X-ray of the abdomen, KUB studies can reveal structural and pathological abnormalities within the kidneys, ureters, and bladder. These studies are particularly valuable in diagnosing kidney stones, urinary...

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Hybrid neutrosophic enhanced MobileNetV2 model for leukemia blood cell classification.

Frontiers in artificial intelligence·2026
Same author

HED-Net: a hybrid ensemble deep learning framework for breast ultrasound image classification.

Frontiers in artificial intelligence·2026
Same author

Diabetic foot ulcer classification using an enhanced coordinate attention integrated ConvNext model.

Physical and engineering sciences in medicine·2026
Same author

Crack detection in structural images using a hybrid Swin Transformer and enhanced features representation block.

Frontiers in artificial intelligence·2025
Same author

Enhanced plant disease classification with attention-based convolutional neural network using squeeze and excitation mechanism.

Frontiers in artificial intelligence·2025
Same author

HMA-Net: a hybrid mixer framework with multihead attention for breast ultrasound image segmentation.

Frontiers in artificial intelligence·2025
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

Video Experimental Relacionado

Updated: May 21, 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

Segmentación avanzada de la masa renal utilizando VHUCS-Net con red de detección de protuberancias.

J Jenifa Sharon1, L Jani Anbarasi1

  • 1School of Computer Science and Engineering, Vellore Institute of Technology, Chennai, India.

Frontiers in artificial intelligence
|February 20, 2026
PubMed
Resumen
Este resumen es generado por máquina.

La nueva arquitectura VHUCS-Net segmenta con precisión las estructuras y las masas renales, mejorando la eficiencia diagnóstica de las enfermedades renales. Este modelo de IA mejora la toma de decisiones clínicas a través de una segmentación precisa e interpretable de imágenes médicas.

Palabras clave:
detección de anomalías detección de anomalíasel diagnóstico asistido por computadora.Aprendizaje profundo híbrido de aprendizaje profundo.masa de riñón segmentación de las masas renales.red de detección de protuberancias de la red.segmentación semántica y segmentación semántica.modelo U-Net mejorado con transformador.transformador de la visión transformador de la visión

Más Videos Relacionados

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

Automated Joint Space Detection Improves Bone Segmentation Accuracy
06:45

Automated Joint Space Detection Improves Bone Segmentation Accuracy

Published on: November 28, 2025

Videos de Experimentos Relacionados

Last Updated: May 21, 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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

Automated Joint Space Detection Improves Bone Segmentation Accuracy
06:45

Automated Joint Space Detection Improves Bone Segmentation Accuracy

Published on: November 28, 2025

Área de la Ciencia:

  • Imágenes médicas de imágenes médicas.
  • La inteligencia artificial es inteligencia artificial.
  • Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador

Sus antecedentes:

  • La segmentación precisa de las masas y estructuras renales es crucial para el diagnóstico y el tratamiento.
  • Los métodos existentes pueden tener dificultades con las características estructurales complejas y la identificación precisa de los límites en las imágenes del riñón.

Objetivo del estudio:

  • Introducir la arquitectura híbrida VHUCS-Net de doble vía para mejorar la segmentación de la masa y la estructura del riñón.
  • Mejorar la precisión e interpretabilidad de los resultados de la segmentación para el apoyo a la toma de decisiones clínicas.

Principales métodos:

  • Integración de una red U-Net mejorada con transformadores con una red de detección de protuberancias (PDN) optimizada para contraste.
  • Utilizando la atención del transformador de visión y la red de alta resolución (HRNet) para la captura de características globales y de alta resolución.
  • Empleando la agrupación a múltiples escalas, la mejora del contraste y la fusión de características dentro de la PDN para una segmentación de masa precisa.

Principales resultados:

  • Logró una puntuación de Intersección sobre Unión (IoU) de 0.9441 y un coeficiente de dados de 0.9712 en un conjunto de datos de segmentación renal.
  • Demostró una excelente precisión de segmentación, destacando las variantes estructurales de tamaño y forma, los límites y las características complejas.
  • Generalizabilidad validada en múltiples tareas de segmentación utilizando conjuntos de datos públicos adicionales.

Conclusiones:

  • VHUCS-Net mejora significativamente la eficiencia del diagnóstico y apoya la toma de decisiones clínicas.
  • El modelo proporciona resultados de segmentación precisos e interpretables para el análisis de la enfermedad renal.
  • La arquitectura propuesta demuestra ser eficaz y generalizable para diversas tareas de segmentación de imágenes médicas.