相关实验视频
Updated: Jan 13, 2026
08:04
Murine Fetal Echocardiography
Published on: February 15, 2013
18.0K
基于波纹的频率替换和边缘增强用于半监督的胎儿超声波图像分割
Wenbo Yue1, Xiaming Wu1, Qing Huang1
1School of Computer Science and Engineering, Wuhan Institute of Technology, Wuhan, China.
概括
这项研究引入了一种半监督的深度学习框架,用于超声波图像细分,通过使用频率增强和边缘增强,以最小的注释数据实现高精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 超声波图像细分具有挑战性,因为对比度低,边界模糊.
- 完全监督的方法需要广泛的注释,这是昂贵和耗时的.
- 开发半监督方法对于有限的注释场景至关重要.
研究的目的:
- 开发一个有效的半监督细分框架,用于有限注释的超声图像.
- 通过利用数据增强和边缘增强技术,提高超声波成像中的细分精度.
主要方法:
- 为超声波图像提出了一种新的半监督细分框架.
- 使用了通过离散波形变换 (DWT) 的频率组件增强.
- 实现了边缘面具增强模块,以强调解剖边界.
主要成果:
- 在只有10张注释图像的公开胎儿超声数据集上,获得了0.81和0.91的平均Dice相似系数 (DSC).
- 与现有的半监督方法 (如FixMatch) 相比,显示出2-3%的DSC改进.
- 废除研究证实了高频增强和边缘增强的有效性.
结论:
- 拟议的框架有效地提高了超声波图像细分的准确性与有限的注释.
- 结合频域增强和边缘意识增强,实现强大的性能.
- 在数据稀缺的环境中为医疗图像分析提供了一个有前途的方向.
