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

Towards the construction of a virtual yeast.

Nature·2026
Same author

Wearable Flexible Sensors for Cardiovascular Disease Monitoring.

Advanced materials (Deerfield Beach, Fla.)·2026
Same author

VC-VTON: Toward Across-View and Multi-Posture-Driven Virtual Try-On via Spatiotemporal-Aware View-Consistency Training.

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

Multi-omics reveal phosphatidic acid phosphatases modify Niemann-Pick type C disease severity.

iScience·2026
Same author

Case Report: ERAT-based management of appendiceal abscess in early pregnancy.

Frontiers in surgery·2026
Same author

Huoxue Jiegu compound capsule accelerates tibial fracture healing via angiogenesis-driven repair mechanisms.

Frontiers in medicine·2026

相关实验视频

Updated: May 23, 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

2.6K

ÆMMamba:一个高效的医疗细分模型与边缘增强.

Xingbo Dong, Bowen Zhou, Chen Yin

    IEEE journal of biomedical and health informatics
    |May 21, 2025
    PubMed
    概括
    此摘要是机器生成的。

    医疗图像细分的新框架 ÆMMamba 通过有效建模远程依赖来提高准确性. 它在多个数据集上取得了最先进的结果,用于聚,肺,乳腺和脑瘤细分.

    更多相关视频

    Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
    14:08

    Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

    Published on: April 13, 2013

    42.4K
    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

    2.3K

    相关实验视频

    Last Updated: May 23, 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

    2.6K
    Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
    14:08

    Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

    Published on: April 13, 2013

    42.4K
    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

    2.3K

    科学领域:

    • 医学图像分析 医学图像分析
    • 人工智能的人工智能
    • 计算机视觉 计算机视觉

    背景情况:

    • 准确的医学图像细分对于临床应用至关重要,但由于图像的复杂性而受到挑战.
    • 像CNN和视觉转换器这样的现有方法在高效地建模远程依赖方面存在局限性.
    • 国家空间模型为高效的远程依赖模型提供了潜力.

    研究的目的:

    • 介绍 ÆMMamba,一个新的多尺度特征提取框架,用于增强医疗图像细分.
    • 解决当前模型在捕获本地和全球图像特征方面的局限性.
    • 提高跨多种医学成像模式和数据集的细分精度.

    主要方法:

    • 基于Mamba骨干开发的 ÆMMamba,结合了高效融合桥 (EFB) 进行多级特征融合.
    • 集成了一个 Edge-Aware 模块 (EAM),使用基于 Sobel 的边缘提取来增强低级别的功能.
    • 使用边界敏感解码器 (BSD) 具有反向注意力和残余卷曲,用于复杂的边界处理.

    主要成果:

    • 在8个医疗细分数据集上, ÆMMamba 实现了最先进的性能.
    • 与MADGNet和Swin-UMamba相比,在聚细分方面表现优越 (例如,ETIS上的72.22mDice).
    • 在肺部和乳腺细分方面表现优于H2Former和SwinUnet (例如,BUSI上的84.24,COVID-19肺部上的79.83).
    • 在LGG脑部MRI细分 (87.25 mDice, 79.31 mIoU) 上获得高分.

    结论:

    • 在医疗图像细分方面, ÆMMamba 是一个显著的进步,其性能优于现有的方法.
    • 拟议的框架有效地整合了多个规模的特征和边界信息,以实现强大的细分.
    • 在需要精确的图像细分的各种临床应用中, ÆMMamba 显示出巨大的潜力.