MICCAI 2024 | 开创性Point-Image Diffusion助力医学图像公平分割
针对two-stage扩散模型的消融研究与ControlNet(one-stage的标签到图像生成模型)相比,我们的two-stage流程首先采样标签,然后合成图像,在生成多样化图像方面显示出了有效性。这一点反映在评估方法中最高的覆盖率(COV)得分上。图像质量和多样性的提升凸显了我们图像合成技术的有效性。下图展示了合成图像的结果。打开...
...上海交大开源3D医学大模型,构建超大规模3D医学图像分割数据集
同时,该研究还构建了当前最大规模的3D医学图像分割数据集,名为SAT-DS。它汇集了72个公开数据集,来自CT、MR和PET三种模态的22K+图像,302K+分割标注,涵盖了人体8个主要部位中的497个分割目标,实现了通过文本提示的放射学影像通用医疗分割模型。相关研究以「OneModeltoRulethemAll:...
【Lancet子刊】仁济医院皋源团队:开发人工智能预测框架,革新急性...
图像分割技术的应用,已成为医学成像不可或缺的一部分,尤其是在肿瘤学领域。该方法能够精确描绘医学图像中的病变,对于准确诊断、癌症分期、治疗计划和监测治疗反应,至关重要。例如,实施U-Net架构,用于从磁共振成像(MRI)扫描中,分割脑肿瘤。与U-Net架构相比,本研究中使用的UNETR模型,得益于其基于Transformer的设计,该...
开源3D医学大模型SAT,性能超越72个nnU-Nets,上交大团队发布
近日,上海交通大学与上海人工智能实验室联合团队发布3D医学图像分割大模型SAT(SegmentAnythinginradiologyscans,drivenbyTextprompts),在3D医学图像(CT、MR、PET)上,基于文本提示实现对人体497种器官/病灶的通用分割。所有数据和代码、模型均已开源。论文链接:httpsarxiv/abs/2312.17183代码...
定位和分割任务,智源等联合提出首个多功能3D医学多模态大模型
在TotalSegmentator上测评的语义分割Dice结果总结我们M3D系列研究促进了使用MLLM进行3D医学图像分析。具体来说,我们构建了一个大规模3D多模态医学数据集M3D-Data,其中包含120K3D图像文本对和662K指令响应对,专为3D医学任务量身定制。此外,我们提出了M3D-LaMed,这是一个通用模型,可处...
深圳大学香港理工发布MemSAM:「分割一切」模型用于医学视频分割
三个传统的图像分割模型分别是基于CNN的UNet、基于Transformer的SwinUNet和CNN-Transformer混合的H2Former(www.e993.com)2024年7月31日。适用于医学领域的SAM模型包括MedSAM、MSA、SAMed、SonoSAM和SAMUS。其中,SonoSAM和SAMUS专注于超声图像。首先是定量比较结果,如下表所示:在CAMUS-Semi和EchoNet-Dynamic数据集上...
CVPR 2024 | 分割一切模型SAM泛化能力差?域适应策略给解决了
大语言模型(LLMs)的成功激发了计算机视觉领域探索分割基础模型的兴趣。这些基础分割模型通常通过PromptEngineer来进行zero/few图像分割。其中,SegmentAnythingModel(SAM)是最先进的图像分割基础模型。但是最近的研究表明,SAM在多种下游任务中并非具有很强的鲁棒性与泛化性,例如在医学图像、伪装物体、添加干扰的...
CNN依旧能战:nnU-Net团队新研究揭示医学图像分割的验证误区
论文中对当前医学图像分割研究中存在的验证不足问题进行了详细的描述,特别指出了新方法与旧基准之间比较时常见的几个问题。这些问题包括:基线设置不当:在比较新方法与现有方法时,经常使用设置不当或优化不足的基线。这种情况下,新方法可能看起来性能较好,但这种比较是在不公平的条件下进行的,因为基线方法没有得到同...
...深圳大学联手香港理工发布MemSAM:将 「分割一切」模型用于医学...
最后通过Softmax函数和图像向量的点积得到将要被更新至记忆库的输出特征。研究结果:MemSAM在有限注释下实现了最佳性能为了验证MemSAM的性能,研究人员广泛选择了不同类型的对比方法,包括传统图像分割模型和医学基础模型。三个传统的图像分割模型分别是基于CNN的UNet、基于Transformer的SwinUNet和CNN-Tr...
中德医学人工智能大会圆满闭幕
基于面部对齐和临床可解释模型的面神经麻痹人工智能测量首都医科北京天坛医院李德岭教授标注高效医学图像分割杜伊斯堡-埃森大学MerlinEngelke教授智能超声:从临床研究到多场景转化复旦大学附属中山医院徐辉雄教授人工智能在视网膜脉络膜疾病中的研究进展及应用前景...