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 authorSame journal

LSR-Diff: A Diffusion Model Synthesizing Level Set Representations for Reliable Segmentation of Medical Images with Ambiguous Edges.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026
Same author

LncRNA AP000654.1 attenuates cerebral ischemia-reperfusion injury by regulating mitophagy-mediated NLRP3 inflammasome activation.

Journal of translational medicine·2026
Same author

Integrating clinical, proteomics, and polygenic scores to improve cardiovascular risk prediction: a prospective cohort study.

Journal of advanced research·2026
Same author

High-Throughput In-Depth Single-Cell Lipidomics by Ozone-Induced Dissociation and Mass Cytometry.

Analytical chemistry·2026
Same author

Development and validation of a machine learning-based diagnostic system for 22 pediatric respiratory pathogens: a large-scale multicenter study.

NPJ digital medicine·2026
Same author

Antibiotic Pharmacokinetics and Prostate Penetration in Bacterial Prostatitis: A Systematic Review.

Infectious diseases and therapy·2026

相关实验视频

Updated: Jun 9, 2025

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

AS2LS:适应性解剖结构为基础的两层水平集框架,用于医疗图像细分.

Tianyi Han, Haoyu Cao, Yunyun Yang

    IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
    |October 24, 2024
    PubMed
    概括
    此摘要是机器生成的。

    一个新的基于自适应性解剖结构的双层水平集框架 (AS2LS) 提高了医疗图像细分的准确性. 这种方法在细分复杂的器官 (如左心室) 中表现出色,优于现有的技术.

    更多相关视频

    Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions
    06:18

    Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions

    Published on: April 5, 2024

    968
    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
    04:48

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    370

    相关实验视频

    Last Updated: Jun 9, 2025

    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
    Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions
    06:18

    Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions

    Published on: April 5, 2024

    968
    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
    04:48

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    370

    科学领域:

    • 医学图像分析 医学图像分析
    • 计算机视觉 计算机视觉
    • 生物医学工程 生物医学工程

    背景情况:

    • 由于复杂的结构,强度变化,噪音和模糊的边缘,医疗图像细分具有挑战性.
    • 现有的细分算法提供了改进,但在处理复杂的医学图像方面仍然存在局限性.
    • 准确的细分对于诊断,治疗计划和疾病监测至关重要.

    研究的目的:

    • 为增强医疗图像细分提出一种基于自适应性解剖结构的新型两层级设置框架 (AS2LS).
    • 为了提高具有同心结构的器官的细分精度,例如左心室和 fundus.
    • 为了应对不均的强度,模糊的界限和周围器官干扰所带来的挑战.

    主要方法:

    • 基于自适应性解剖结构的双层水平集框架 (AS2LS) 的开发.
    • 利用区域和边缘强度信息的适应性拟合进行细分.
    • 介绍了基于解剖结构的新两层水平集表示和两阶段水平集演化算法.

    主要成果:

    • AS2LS框架在细分复杂的医疗图像方面取得了高准确性.
    • 在具有同心结构的分段器官中表现出卓越的性能,包括左心室和 fundus.
    • 实验结果显示,AS2LS的表现优于代表性水平集和深度学习方法.

    结论:

    • 拟议的AS2LS框架在医疗图像细分精度方面取得了重大进展.
    • AS2LS有效地处理具有挑战性的图像特征,如强度,不均性和模糊边界.
    • 这种方法为具有复杂解剖结构的器官进行细分提供了强大的解决方案.