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

Programmable RNA editing by recruiting endogenous ADAR using engineered RNAs.

Nature biotechnology·2019
Same author

Retrospective analysis of seven cases of pancreatic mixed adenoneuroendocrine carcinoma from a high-volume center and review of the literature.

BMC surgery·2019
Same author

Multiscale Visualization of Colloidal Particle Lens Array Mediated Plasma Dynamics for Dielectric Nanoparticle Enhanced Femtosecond Laser-Induced Breakdown Spectroscopy.

Analytical chemistry·2019
Same author

Evolutionary Metabolomics Identifies Substantial Metabolic Divergence between Maize and Its Wild Ancestor, Teosinte.

The Plant cell·2019
Same author

Protective effect of <i>Danhong</i> injection in patients with acute myocardial infarction at a high risk of no-reflow during primary percutaneous coronary intervention.

Journal of geriatric cardiology : JGC·2019
Same author

Exosome-derived uterine microRNAs isolated from cows with endometritis impede blastocyst development.

Reproductive biology·2019

相关实验视频

Updated: Jan 11, 2026

Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development
13:01

Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development

Published on: April 10, 2016

34.6K

空间频率增强的Mamba用于多模式图像融合.

Hui Sun, Long Lv, Pingping Zhang

    IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
    |November 19, 2025
    PubMed
    概括

    这项研究介绍了空间频率增强的Mamba融合 (SFMFusion),这是多模式图像融合的新框架. SFMFusion通过增强Mamba的空间和频率意识来改善特征提取和融合,优于现有的方法.

    科学领域:

    • 计算机视觉 计算机视觉
    • 人工智能的人工智能
    • 信号处理 信号处理

    背景情况:

    • 多模态图像融合 (MMIF) 集成了来自不同来源的互补数据.
    • 现有的深度学习方法,如CNN和变压器在接收场和MMIF的计算成本方面存在局限性.
    • 马巴显示出对远程依赖的承诺,但缺乏对MMIF至关重要的空间和频率感知.

    研究的目的:

    • 提出一个新的框架,空间频率增强的Mamba融合 (SFMFusion),用于改进MMIF.
    • 通过提高Mamba对空间和频率感知能力来解决现有方法的局限性.
    • 为了有效地利用图像重建 (IR) 作为MMIF框架内的辅助任务.

    主要方法:

    • 开发了一个三分支结构,将MMIF和IR结合起来,保留完整的源图像内容.
    • 引入了空间频率增强的Mamba块 (SFMB),以增强Mamba具有全面的空间和频率域特征提取.
    • 提出了动态融合曼巴块 (DFMB),用于跨不同网络分支的适应性特征融合.

    主要成果:

    • 与最先进的方法相比,SFMFusion在6个MMIF数据集上取得了更高的性能.
    • 拟议的SFMB和DFMB模块有效地增强了特征提取和融合能力.

    更多相关视频

    Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
    07:13

    Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities

    Published on: October 27, 2023

    1.6K
    Cross-Modal Multivariate Pattern Analysis
    13:51

    Cross-Modal Multivariate Pattern Analysis

    Published on: November 9, 2011

    20.4K

    相关实验视频

    Last Updated: Jan 11, 2026

    Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development
    13:01

    Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development

    Published on: April 10, 2016

    34.6K
    Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
    07:13

    Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities

    Published on: October 27, 2023

    1.6K
    Cross-Modal Multivariate Pattern Analysis
    13:51

    Cross-Modal Multivariate Pattern Analysis

    Published on: November 9, 2011

    20.4K
  • 综合方法在多模式图像融合任务中表现出强的性能.

    • 结论:

    • 通过有效地将Mamba与空间和频率增强集成,SFMFusion为MMIF提供了显著的进步.
    • 该框架成功地解决了以前深度学习方法的局限性.
    • 该方法为未来的图像融合和相关AI应用研究提供了有希望的方向.