Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Arsenic trioxide depletes cancer stem-like cells and inhibits repopulation of neurosphere derived from glioblastoma by downregulation of Notch pathway.

Toxicology letters·2013
Same author

A prospective, randomized, open-label study comparing the efficacy and safety of preprandial and prandial insulin in combination with acarbose in elderly, insulin-requiring patients with type 2 diabetes mellitus.

Diabetes technology & therapeutics·2013
Same author

Synthesis of the C-18-C-34 fragment of amphidinolides C, C2, and C3.

Organic letters·2013
Same author

Synthesis of the C-1-C-17 fragment of amphidinolides C, C2, C3, and F.

Organic letters·2013
Same author

77Se solid-state NMR of As2Se3, As4Se4 and As4Se3 crystals: a combined experimental and computational study.

Physical chemistry chemical physics : PCCP·2013
Same author

Nanocellulose electroconductive composites.

Nanoscale·2013

相关实验视频

Updated: Jun 17, 2025

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

380

定制的T时间内部采样网络,具有不确定性意识的数据增强策略,用于多注释的病变细分.

Xi Zhou1, Xinxin Wang2, Haiqin Ma3

  • 1Department of Radiology, South China Hospital, Medical School, Shenzhen University, Shenzhen, 5181116, China.

Computers in biology and medicine
|August 10, 2024
PubMed
概括
此摘要是机器生成的。

这项研究引入了新的方法,通过有效利用多注释器数据来改善医疗图像细分. 该方法提高了癌症诊断的病变细分的准确性和效率.

关键词:
数据增强数据增强多次注释的数据集.可能性的生成模型.分段化 分段化 分段化 分段化不确定性量化不确定性的量化.

更多相关视频

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

2.7K
Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
05:56

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

2.4K

相关实验视频

Last Updated: Jun 17, 2025

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

380
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

2.7K
Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
05:56

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

2.4K

科学领域:

  • 医疗成像医学成像
  • 计算病理学计算病理学
  • 人工智能在医学中的应用

背景情况:

  • 医疗图像细分由于固有的模糊性而具有挑战性.
  • 准确地捕捉细分不确定性对于癌症诊断和治疗计划至关重要.
  • 处理细分不确定性的现有方法往往是低效的,并未充分利用多注释数据.

研究的目的:

  • 开发用于医疗图像细分的高效方法,利用多注释数据集.
  • 解决当前模型在效率和不确定性信息利用方面的局限性.
  • 提高医疗成像中病变细分的准确性和效率.

主要方法:

  • 定制的T时间内部采样网络,用于灵活的样本生成,与注释器分布保持一致.
  • 不确定性度的定义用于量化测量样本和数据集的不确定性.
  • 不确定性意识的数据增强策略,以适应概率模型的不同不确定性水平.

主要成果:

  • 提出的方法在肺结节和肝脏瘤数据集的准确性和效率上都表现出卓越的表现.
  • 定制的T时间内部采样网络高效地生成反映基准真相分布的样本.
  • 不确定性度为量化细分不确定性和数据集不平衡提供了一个新的视角.

结论:

  • 开发的方法通过有效地管理不确定性,在损伤细分方面取得了重大进展.
  • 该方法显示了在现实世界临床场景中改进下游任务的巨大潜力.
  • 这项工作强调了利用多注释数据和不确定性量化来进行强大的医疗图像分析的重要性.