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

相关实验视频

Updated: May 30, 2025

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

神经图像分割的变压器:范围审查

Maya Iratni1, Amira Abdullah1, Mariam Aldhaheri1

  • 1Department of Computer Science and Software Engineering, United Arab Emirates University, Al Ain, United Arab Emirates.

Journal of medical Internet research
|January 29, 2025
PubMed
概括

变压器在自动化神经影像对神经疾病的细分方面表现有前途. 混合型号,特别是视觉变压器,在使用MRI进行脑瘤细分方面表现出色,尽管计算成本等挑战仍然存在.

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

Performance of AI in Predicting the Progression of Gestational Diabetes to Type 2 Diabetes: Systematic Review and Meta-Analysis.

Journal of medical Internet research·2026
Same author

Patients' mHealth Apps Usage and Data Privacy, Security, and Confidentiality Concerns: Exploratory Study.

JMIR formative research·2026
Same author

Temporal and Behaviour-Aware Multimodal Modelling for Hour-Ahead Hypoglycaemia Prediction During Ramadan Fasting in Type 1 Diabetes.

Sensors (Basel, Switzerland)·2026
Same author

Perspectives Regarding the Privacy, Security, and Confidentiality of Data Collected via mHealth Apps in Saudi Arabia: Qualitative Analysis.

Journal of medical Internet research·2026
Same author

The Performance of Artificial Intelligence in Classifying Molecular Markers in Adult-Type Gliomas Using Histopathological Images: Systematic Review.

Journal of medical Internet research·2026
Same author

Predicting Infant Sleep Patterns From Postpartum Maternal Mental Health Measures: Machine Learning Approach.

JMIR pediatrics and parenting·2026

科学领域:

  • 人工智能的人工智能
  • 医疗成像医学成像
  • 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

  • 自动神经成像细分对于诊断和治疗神经疾病至关重要.
  • 手动细分是劳动密集型的,容易出现错误.
  • 变压器为自动细分提供了强大的深度学习解决方案.

研究的目的:

  • 系统地审查和评估用于神经成像细分的变压器模型.
  • 综合当前关于变压器在现场应用的文献.

主要方法:

  • 在主要数据库 (Scopus,IEEE Xplore,PubMed,ACM数字图书馆) 进行系统的文献搜索,从2019-2023年开始.
  • 包括同行评审的期刊和会议论文,以变压器为基础的对人类大脑成像数据的细分.
  • 排除非神经成像数据,原始大脑信号和脑电图数据.
  • 关于图像模式,数据集,条件,模型和指标的提取数据的叙述综合.

主要成果:

  • 在1246个出版物中,有67个符合纳入标准,并将在2022年激增.
  • 超过三分之二的研究集中在使用磁共振成像 (MRI) 的脑瘤细分上.
  • 混合卷积神经网络-转换器架构,特别是视觉转换器,是普遍存在的,并显示出高性能.
关键词:
3D细分是指三维的细分.大脑瘤的细分 脑瘤的细分深度学习是一种深度学习.神经成像是一种神经成像.变压器变压器变压器变压器

更多相关视频

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

363
Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
04:25

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Published on: December 15, 2023

2.2K

相关实验视频

Last Updated: May 30, 2025

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

363
Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
04:25

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Published on: December 15, 2023

2.2K
  • 子得分是最常见的评估指标,研究报告了更好的准确性和捕捉本地/全球特征的能力.

    • 结论:

    • 变压器,特别是混合CNN-变压器模型,越来越多地被采用用于神经成像细分,特别是用于脑瘤.
    • 目前的模型展示了最先进的性能,但在计算成本和过度装配方面面临限制.
    • 除了脑瘤之外,对数据集的多样化对于更广泛的临床适用性至关重要.
    • 需要进一步的研究来优化变压器架构和为临床使用提供培训,这可能会彻底改变大脑MRI细分.