相关实验视频
Updated: Jan 20, 2026

Wideband Optical Detector of Ultrasound for Medical Imaging Applications
Published on: May 11, 2014
原型银行驱动的测试时间适应用于医疗超声波图像分割的原型
Wenhan Wang1, Jiale Zhou2, Cheng Zhang1
1School of Instrumentation and Optoelectronics Engineering, Beihang University, Beijing, China.
本研究介绍了原型银行驱动的测试时间适应 (PBTTA),这是一个强大的超声波图像细分的新框架,可以克服域移动而不需要源数据或目标标签. PBTTA显著提高了乳腺和甲状腺瘤的细分精度.
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:
- 深度学习模型在医学图像细分方面表现出色,特别是在超声波中.
- 由于设备和协议的变化造成的域移动,在现实世界的临床环境中降低了模型性能.
- 现有的域转移解决方案受到标记数据或源域访问需求的限制.
研究的目的:
- 开发一个测试时间适应 (TTA) 框架,用于强大的超声波图像细分.
- 消除在TTA中对源数据或目标标签的需求.
- 为了确保对分布偏移的稳定性,并防止灾难性遗忘.
主要方法:
- 提出原型银行驱动的测试时间适应 (PBTTA),一个新的TTA框架.
- 使用动态统计融合模块 (DSFM) 通过融合统计来进行域级的调整.
- 使用原型银行引导的语义适应模块 (PBSAM) 用于使用动态原型银行进行语义层面的适应.
- 实施双分类器策略而不需要反向传播以实现高效的适应.
主要成果:
- PBTTA在超声波乳腺和甲状腺瘤细分方面取得了最先进的性能.
- 子得分显著改善:乳腺瘤15.04% (至64.82%) 和甲状腺瘤8.88% (至57.45%).
- 证明了对持续的域名转移和灾难性遗忘的有效缓解的卓越稳定性.
结论:
- PBTTA提供了一个有效的解决方案,用于超声波图像细分的域转移.
- 该框架提供了强大而准确的细分,而不需要源数据或目标标签.
- PBTTA显示出显著的临床潜力,可以提高超声波成像中的诊断准确性.
相关概念视频
08:21Wideband Optical Detector of Ultrasound for Medical Imaging Applications
10:43Rapid and Low-cost Prototyping of Medical Devices Using 3D Printed Molds for Liquid Injection Molding
10:53A Novel Application of Musculoskeletal Ultrasound Imaging
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
12:20Preparation of Segmented Microtubules to Study Motions Driven by the Disassembling Microtubule Ends
05:21Computerized Adaptive Testing System of Functional Assessment of Stroke

