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: Jan 17, 2026

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

736

MDWC-Net:一个多尺度的动态加权上下文网络,用于精确的脊柱X射线细分.

Zhongzheng Gu1, Xuan Wang2, Baojun Chen1

  • 1Department of Spine and Spinal Cord Surgery, Henan Provincial People's Hospital, Zhengzhou, Henan, China.

Frontiers in physiology
|September 15, 2025
PubMed
概括

这项研究介绍了MDWC-Net,这是一种用于准确脊柱X射线细分的深度学习模型. MDWC-Net增强了脊柱结构的识别,提高了临床工作流程的效率.

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

Correlations between inflammatory biomarkers and clinicopathological features in surgically resected thymic epithelial tumors: implications for preoperative diagnosis.

PeerJ·2026
Same author

GhTUA2 promote roots elongation through regulating cell wall synthesis in cotton.

Plant science : an international journal of experimental plant biology·2026
Same author

A novel wearable interface based on IMUs for robotic endoscopy.

International journal of computer assisted radiology and surgery·2026
Same author

Li<sub><i>x</i></sub>Ag<sub>1-<i>x</i></sub>GaS<sub>2</sub>: A Tunable Crystal for Mid-IR Nonlinear Optics via Composition Control.

Inorganic chemistry·2026
Same author

Quaternized chitosan-g-polyaniline (QCSP)-based versatile immunomodulatory conductive supramolecular hydrogel with controlled Zn<sup>2+</sup> release for functional healing of infected burn wounds.

International journal of biological macromolecules·2026
Same author

AKT3-Driven Epithelial-Mesenchymal Plasticity Governs Ovarian Metastasis in Colorectal Cancer via Tumor Microenvironment Remodeling.

Cancer research·2026

科学领域:

  • 医疗成像医学成像
  • 人工智能的人工智能
  • 计算机视觉 计算机视觉

背景情况:

  • 脊柱X射线细分由于复杂的解剖学,尺度变化和边界对比度差而具有挑战性.
  • 传统的细分模型在脊柱成像中难以获得准确性和稳定性.
  • 准确的脊柱结构识别对于临床诊断和治疗规划至关重要.

研究的目的:

  • 提出MDWC-Net,这是一个新的深度学习框架,用于改进脊髓X射线图像细分.
  • 在临床环境中提高脊柱结构识别的准确性和效率.
  • 解决传统模型在细分复杂的脊椎解剖学方面的局限性.

主要方法:

  • MDWC-Net使用了一个编码器-解码器架构,具有专门的模块:多尺度上下文注意 (MSCAW),双特征融合 (DFCB) 和边界信息增强 (BIEB).
  • 该模型在脊柱数据集 (280张X射线图像) 上进行了训练和验证,分数为7:1:2.
  • 使用胸部X射线和ISIC2016分别用于肺部和黑色素瘤细分的数据集来评估概括性.

主要成果:

  • 与脊柱数据集中的主流模型相比,MDWC-Net实现了更高的性能.
  • 关键指标包括子得分 (89.86%±0.356),中位交点 (MIoU) (90.53%±0.315),总准确率 (GPA) (96.82%±0.289) 和灵敏度 (96.77%±0.212).
关键词:
瓶信息增强区块是瓶信息增强区块.卷积神经网络是一种卷积神经网络.双重特征的补充块是一个双重特征的补充块.多尺度卷积自适应权衡.脊柱图像细分 脊柱图像细分

相关实验视频

Last Updated: Jan 17, 2026

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

736
  • 废弃性研究证实了MSCAW,DFCB和BIEB模块的显著贡献.

    • 结论:

    • MDWC-Net提供了脊柱结构的准确和高效的细分.
    • 该框架显示了将其整合到临床工作流程中的强大潜力.
    • 该模型的高性能和通用性表明它可以广泛应用于其他医疗图像细分任务.