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

A Region-Aware Structured Framework Improves Prediction of Gene Expression from DNA Methylation.

Computational and structural biotechnology journal·2026
Same author

Sequential glioblastoma segmentation via topological data analysis and spatial adjacency.

Biomedical physics & engineering express·2026
Same author

Unveiling EMG semantics: a prototype-learning approach to generalizable gesture classification.

Journal of neural engineering·2024
查看所有相关文章

相关实验视频

Updated: Jun 4, 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

热GSNs:将自身波器和低通图热核集成到图谱卷积网络中,用于大脑瘤细分和分类.

Jihun Bae1, Hunmin Lee2, Jinglu Hu3

  • 1Waseda University Graduate School of Information Production and Systems, Hibikino 2-7, Wakamatsu-ku, Kitakyushu, 808-0135, JAPAN.

Biomedical physics & engineering express
|December 20, 2024
PubMed
概括

新的HeatGSN有效地解决了脑瘤MRI数据集中的类不平衡,使用图谱卷积网络. 这些模型捕获瘤的几何相似性,以较少的参数实现高精度,比现有方法更少.

关键词:
大脑瘤的细分 脑瘤的细分自己的过器 Eigenfilters图表 热核 图表 热核图形信号处理 图形信号处理图表 频谱卷积网络的谱图瘤实例分类的分类方法

更多相关视频

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
10:25

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Published on: September 25, 2019

47.8K
Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images
06:48

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Published on: January 7, 2019

8.8K

相关实验视频

Last Updated: Jun 4, 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
Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
10:25

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Published on: September 25, 2019

47.8K
Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images
06:48

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Published on: January 7, 2019

8.8K

科学领域:

  • 医学成像分析分析 医学成像分析
  • 图表表示学习学习学习图表表示学习.
  • 人工智能在瘤学中的应用

背景情况:

  • 脑瘤细分面临着不平衡的MRI数据集带来的挑战.
  • 像CNN和变压器这样的深度学习模型因过度平滑和融合问题而与基于图形的网络扎.
  • 现有的图形网络对于捕捉复杂的瘤几何特征并不理想.

研究的目的:

  • 提出HeatGSNs,一种用于脑瘤细分的新型图谱卷积网络.
  • 解决阶级不平衡问题,克服现有图形网络的局限性.
  • 为了提高脑瘤学习任务的准确性和效率.

主要方法:

  • 开发了包含自身波器和可学习的低通图热核的热GSN.
  • 实现了使用图形热核的连续特征传播机制.
  • 对于位移尺度的切比舍夫多项式和修改的贝塞尔函数,近似了以等号形式的机制.

主要成果:

  • 在BRATS2021数据集上获得了90%的最佳平均子得分.
  • 获得了5.45mm的平均豪斯多夫距离 (95%),平均准确率为80.11%.
  • 与现有方法相比,显示的参数显著减少 (1.79M).

结论:

  • 热GSN有效地捕捉瘤类内的几何相似性.
  • 拟议的方法为大脑瘤细分提供了高效和有效的解决方案.
  • 在医疗成像任务中,HeatGSN显示了改善深度学习的前景.