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 8, 2026

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

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

723

胰腺细分与多相特征聚合和模式适应式变压器.

Lulu Tan, Wenda Sheng, Jiadong Zhang

    IEEE journal of biomedical and health informatics
    |December 11, 2025
    PubMed
    概括

    这项研究引入了一种使用多相CT扫描进行胰腺自动细分的新方法. 这种方法提高了胰腺细分和计算其体积的准确性,有助于疾病的诊断和治疗.

    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

    BrainSeg: a generalized framework for comprehensive multimodal brain tissue segmentation, parcellation, and lesion labeling.

    NPJ digital medicine·2026
    Same author

    Positional Prompts-Enhanced Brain-Heart-Gut Interactions for Mild Cognitive Impairment Diagnosis.

    IEEE transactions on medical imaging·2026
    Same author

    Demographic-aware deep learning for multi-organ segmentation: Mitigating gender and age biases in CT images.

    Medical physics·2026
    Same author

    M $^{3}$ SegNet: A Multi-Modal and Multi-Branch Framework for Nasopharyngeal Carcinoma Segmentation in Radiotherapy Planning.

    IEEE journal of biomedical and health informatics·2026
    Same author

    SGAFNet: Robust brain tumor segmentation via learnable sequence-guided adaptive fusion in available MRI acquisitions.

    Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society·2026
    Same author

    Super-Resolution Reconstruction of Fetal Brain MRI With Multi-View Interpolation Weight Learning.

    IEEE journal of biomedical and health informatics·2025

    科学领域:

    • 医疗成像医学成像
    • 计算机辅助诊断 计算机辅助诊断
    • 人工智能的人工智能

    背景情况:

    • 胰腺疾病需要准确的诊断和治疗,通常需要CT成像的帮助.
    • 多相CT扫描 (非对比,动脉,静脉) 可以改善胰腺的可视化.
    • 现有的方法在胰腺细分方面扎于交际关系和信息融合.

    研究的目的:

    • 开发一种先进的多相胰腺细分方法.
    • 在基于CT的细分中增强信息融合和模式间关系建模.
    • 为了提高胰腺体体积计算的准确性.

    主要方法:

    • 提出了一种新的多相胰腺细分方法,其中包含特征聚合模块 (FAM) 和模式适应变压器 (MAT).
    • 采用静脉相CT作为主要模式,并使用非对比和动脉相作为补充.
    • FAM集成空间信息; MAT适应性增强功能和建立的远程依赖.

    主要成果:

    • 拟议的方法在大型数据集上显著超过了最先进的技术.
    • 胰腺体体积计算的下游任务实现了与手动细分相比的准确性.
    • 证明了多相CT信息的有效整合,用于胰腺分析.

    相关实验视频

    Last Updated: Jan 8, 2026

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

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    723

    结论:

    • 开发的方法为使用多相CT的自动胰腺细分提供了强大的解决方案.
    • 改进的细分精度导致可靠的胰腺体积估计.
    • 该方法在诊断和管理胰腺疾病方面显示出临床应用的巨大潜力.