Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

A near-infrared fluorescent probe for facile fluoride detection in environmental and biological systems.

Chemical communications (Cambridge, England)·2026
Same author

Biolipid Film-Fused Electrochemiluminescence for Multipurpose In Situ Bioassays.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026
Same author

Dual-key cooperatively activated DNA regulator for controlling mitochondria-lysosome interactions.

Nature communications·2025
Same author

Prussian Blue Nanozyme-Based Dry-Dipstick Reflectometry for Multiplex Detection of Low Molecular Weight Metabolites.

Analytical chemistry·2025
Same author

Single-Protein Determinations by Magnetofluorescent Qubit Imaging with Artificial-Intelligence Augmentation at the Point-Of-Care.

ACS nano·2025
Same author

Controllable mitochondrial regulation based on photo-triggered DNA circuitry.

Journal of materials chemistry. B·2025

関連する実験動画

Updated: Sep 9, 2025

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

491

パラレル マルチスケール トランスフォーマー-CNN アグリゲーション ネットワークによる効率的な 3D バイオメディカル イメージ セグメンテーション

Wei Liu1, Yuxiao He1, Tiantian Man1

  • 1School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China.

Chemical & biomedical imaging
|August 29, 2025
PubMed
まとめ
この要約は機械生成です。

新しい混合パラレルシャントトランスフォーマー (MPSTrans) モデルは,グローバルとローカルな特徴を効果的にキャプチャすることにより,3Dの生物医学画像セグメンテーションを強化します. この高度なディープラーニングアプローチは 臨床診断と外科計画における 正確さと効率を向上させます

キーワード:
3Dバイオメディカル画像セグメンテーション折り畳み神経ネットワークマルチスケール機能抽出パラレルアーキテクチャシャント式変圧器

さらに関連する動画

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

2.9K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

9.3K

関連する実験動画

Last Updated: Sep 9, 2025

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

491
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

2.9K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

9.3K

科学分野:

  • 医学画像分析
  • 医療における人工知能
  • セグメント化のためのディープラーニング

背景:

  • 臨床診断,手術,および予後のために正確な3D生物医学画像セグメンテーションが不可欠です.
  • 既存のディープラーニングモデルは,正確なセグメンテーションのためにグローバルとローカルな画像の特徴を同時にキャプチャする上で課題に直面しています.

研究 の 目的:

  • 3D生物医学画像解析の改善のための先進的なセグメンテーションソリューションである混合パラレルシャントトランスフォーマー (MPSTrans) を開発する.
  • 総合的な特徴のキャプチャとマルチスケールの同期における現在の方法の限界に対処する.

主な方法:

  • U型フレームワーク内の3D-MPSTブロックを備えた新しいディープラーニングモデルであるMPSTransを導入しました.
  • 階層的な表現学習のためのデコーダーで深層的な監督を実施しました.
  • 大腸がん,多臓器,マルチモダルのデータセットに関する評価結果

主要な成果:

  • MPSTransはダイス類似度係数 (DSC) の有意な改善と,大腸がんのデータで95% (HD95) のハウズドルフ距離の減少を示した.
  • 計算負荷を56.7%削減しました
  • Swin UNETR,UNETR,nnU-Net,PHTrans,および3D U-Netのような主流の方法よりも公的なデータセット (MSD,BCV,ACD) に優れている.

結論:

  • MPSTransは3Dバイオメディカル画像セグメンテーションのための堅牢で適応可能なソリューションを提供し,診断能力を向上させます.
  • モデルが包括的な特徴を把握し,計算負荷を軽減する能力は,医療画像分析のための最先端のツールとして位置づけられています.