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: Jul 12, 2026

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

一起分割:半监督医疗图像分割的多功能范式.

Qingjie Zeng, Yutong Xie, Zilin Lu

    IEEE transactions on medical imaging
    |April 1, 2025
    PubMed
    概括

    本研究介绍了VerSemi,这是一个用于医疗图像细分的多功能半监督学习框架. VerSemi在各种任务中有效地利用未标记的数据,显著提高了细分精度,并设置了一个新的最先进的状态.

    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

    Retrieval-Augmented Representation for Semi-Supervised Medical Image Segmentation.

    IEEE transactions on medical imaging·2026
    Same author

    When Octahedra Learn to Be Prisms: Unlocking a Record Deep‑UV NLO Crystal.

    Angewandte Chemie (International ed. in English)·2026
    Same author

    Ultrafast damage dynamics and ablation mechanism of a BaGa<sub>4</sub>Se<sub>7</sub> crystal induced by femtosecond laser irradiation.

    Optics express·2026
    Same author

    LiMn(IO<sub>3</sub>)<sub>3</sub>: A Noncentrosymmetric Iodate Synthesized by Polyhedral Volume Ratio Modulation.

    Inorganic chemistry·2026
    Same author

    SegRap2025: A benchmark of gross tumor volume and lymph node clinical target volume Segmentation for Radiotherapy Planning of nasopharyngeal carcinoma.

    Medical image analysis·2026
    Same author

    Effect of the cation-to-silicon ratio on structural transformation and optical performance in [NaSr<sub>3</sub>Cl<sub>3</sub>][SiS<sub>4</sub>] and [NaSr<sub>4</sub>SCl][Si<sub>3</sub>S<sub>9</sub>].

    Chemical communications (Cambridge, England)·2026

    科学领域:

    • 医疗图像分析 医疗图像分析
    • 深度学习是一种深度学习.
    • 计算机视觉 计算机视觉 计算机视觉

    背景情况:

    • 有限的注释医疗数据阻碍了对细分的深度学习模型培训.
    • 现有的半监督学习 (SSL) 方法通常专注于特定的任务,低利用跨数据集的潜力.
    • 利用丰富的未标记数据对于推进医学图像细分至关重要.

    研究的目的:

    • 为增强医疗图像细分提出一个多功能半监督 (VerSemi) 框架.
    • 将各种SSL任务集成到一个统一的模型中,具有广泛的标签空间.
    • 为了更有效地利用未标记的数据来提高细分性能.

    主要方法:

    • 开发了一个动态的任务提示设计,用于在不同的数据集中对各种目标进行细分.
    • 使用CutMix增强创建了一个合成任务,以扩展标签空间并捕获跨数据集语义.
    • 实现了一种一致性约束,将任务预测与合成任务对齐,以实现准确的前景细分.

    主要成果:

    • 与七种已建立的SSL方法相比,VerSemi在四个公共数据集上展示了卓越的性能.
    • 实现了2.69%的平均子收益,而不是第二好的方法.
    • 在半监督医疗图像细分方面建立了新的最先进的技术.

    结论:

    • VerSemi框架有效地解决了医疗图像细分中的有限注释的挑战.
    • 整合各种SSL任务并利用未标记的数据显著提高了细分的准确性.
    • VerSemi代表了半监督医疗图像细分的重大进步,提供了更广泛的临床应用.

    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

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

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    相关实验视频

    Last Updated: Jul 12, 2026

    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

    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

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

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024