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 7, 2026

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

3.3K

为了深度学习的性能,深度学习:在生物医学成像中需要多少数据来进行细分?

Junhyeok Lee1, Hyungjin Chung2, Minseok Suh3

  • 1Interdisciplinary Program in Cancer Biology, Seoul National University College of Medicine, Seoul, Republic of Korea.

PloS one
|December 31, 2025
PubMed
概括

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

CT-Based Intratumoral Artery-Like Volume for Pre-Treatment Lung Shunt Estimation in Hepatocellular Carcinoma.

Journal of vascular and interventional radiology : JVIR·2026
Same author

Distinguishing Molecular and Histologic Glioblastomas Using Multiparametric MRI-Based Habitat Analysis.

Korean journal of radiology·2026
Same author

Adverse Event Monitoring with Imaging: Prognostic Significance in Atezolizumab plus Bevacizumab Therapy for Unresectable Hepatocellular Carcinoma.

Liver cancer·2026
Same author

Feasibility of [<sup>99m</sup>Tc]Tc-Mannosylated Human Serum Albumin for Lymphoscintigraphy: A Phase 1/2 Clinical Trial.

Nuclear medicine and molecular imaging·2026
Same author

Deep Learning for Survival Prediction in Glioblastoma: Time-dependent Model Interpretability Using MRI, Clinical, and Molecular Data.

Radiology. Artificial intelligence·2026
Same author

Efficacy and Safety of Switching from Entecavir to Tenofovir Alafenamide in Chronic Hepatitis B: A Multicenter Randomized Trial in Korea.

Gut and liver·2026
Same journal

Analysis of strength degradation of coal and rock masses and stability of mined areas under long term immersion environment.

PloS one·2026
Same journal

Biogenic Silver-Selenium nanocomposite with anticancer activity and potent efficacy against vancomycin-resistant Staphylococcus aureus.

PloS one·2026
Same journal

Preparation and physicochemical characterization of a biodegradable chitosan/carboxymethyl cellulose hydrogel synthesized in NaOH/urea medium.

PloS one·2026
Same journal

Action-guilt, survivor-guilt, and depression in combat-related PTSD.

PloS one·2026
Same journal

Explainable machine learning for predicting activities of daily living at discharge in stroke patients: A retrospective study using SHAP interpretability.

PloS one·2026
Same journal

Deep learning based two-way feature depiction model for brain tumor detection.

PloS one·2026
查看所有相关文章
此摘要是机器生成的。

估计医疗成像中的深度学习 (DL) 数据集大小至关重要. 本研究介绍了一个使用长短期内存 (LSTM) 网络来预测细分性能的框架,显示适度的数据通常足以用于可行的DL模型.

科学领域:

  • 生物医学成像技术 生物医学成像技术
  • 人工智能的人工智能
  • 医学图像分析 医学图像分析

背景情况:

  • 深度学习 (DL) 模型在生物医学成像中对于通过图像细分进行定量分析至关重要.
  • 传统的样本大小估计方法由于高维数据和非线性学习导致DL失败.
  • 准确的数据集大小估计对于在临床环境中高效的DL模型开发至关重要.

研究的目的:

  • 提出一个DL特定的框架,用于估计稳定的细分性能所需的最小数据集大小.
  • 验证结直肠多体和质瘤细分任务的框架.
  • 引入使用长短期记忆 (LSTM) 网络进行性能预测的替代建模管道.

主要方法:

  • 在不同的数据子集上训练的残留U-Nets (2%-100%为2D,5%-100%为3D) 用于结直肠多和质瘤细分.
  • 分析了诸如子相似系数 (DSC) 等性能指标,以确定数据和点.
  • 开发了一个使用单向LSTM网络预测细分性能曲线的替代建模管道.

主要成果:

  • 细分性能 (DSC) 随着数据和模型深度的提高,在两个任务中数据使用率稳定在80%左右.
  • 最好的配置实现了0.86的多体和0.79的质瘤的DSC.

相关实验视频

Last Updated: Jan 7, 2026

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

3.3K
  • LSTM模型准确地预测了低平均绝对误差的最终DSC,证明了可靠的性能预测.

    • 结论:

    • 可以使用像LSTMs这样的轻量级代用模型可靠地估计细分性能.
    • 收集适量的高质量数据往往足以开发临床可行的DL模型.
    • 拟议的框架为优化医疗人工智能开发中的资源配置提供了一种实用方法.