基于视觉提示的增量学习,用于多重复的免疫-光显微镜图像的语义细分
Ryan Faulkenberry1, Saurabh Prasad1, Dragan Maric2
1Department of Electrical Engineering, University of Houston, 4226 Martin Luther King Boulevard, Houston, 77204, Texas, United States.
Research square
|January 18, 2024
概括
这项研究引入了医疗图像细分的增量深度学习框架,显著提高了精度,最小的专家注释. 这种方法提高了效率,并优于复杂的高分辨率图像的传统方法.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 人工智能的人工智能
背景情况:
- 深度学习在语义细分方面表现出色,但需要大型注释数据集,这在医学成像中很少.
- 现有的深度学习方法与医疗图像分析固有的数据限制作斗争.
结论:
- 这种新的框架显著减少了医学图像细分的注释工作和时间.
- 在细分复杂,高分辨率的多重生物图像方面实现了最先进的性能.
- 为应用深度学习应用于数据受限制的医学图像分析问题提供了实用解决方案.
更多相关视频
07:50A Rapid Method for Multispectral Fluorescence Imaging of Frozen Tissue Sections
Published on: March 30, 2020
8.3K
06:05Author Spotlight: Multiplex Immunofluorescence Combined with Spatial Image Analysis for the Clinical and Biological Assessment of the Tumor Microenvironment
Published on: June 2, 2023
7.6K
