入选ECCV 2024!覆盖5.4w+图像,MIT提出医学图像分割通用模型...
覆盖5.4w+图像,MIT提出医学图像分割通用模型ScribblePrompt,性能优于SAM作者:哇塞编辑:李姝,李宝珠麻省理工学院计算机科学与人工智能实验室团队等,提出一种交互式生物医学图像分割通用模型ScribblePrompt,支持不同注释方式灵活地进行分割任务,甚至可用于未经训练的标签和图像类型。外行看热闹,内行看门道,这句话在医学...
Science Bulletin封面文章 | 医学图像分割新突破:用“棱镜”实现...
实验使用多种医学图像分割任务的数据集,如眼底彩照中视杯视盘分割任务的REFUGE和RIGA数据集,大脑MRI图像中肿瘤分割任务的QU-BraTS2020数据集,肺结节CT数据集LIDC-IDRI,以及包含CT和MRI图像中多个器官和病灶分割任务的QUBIQ数据集。实验中,团队将MrPrism与多个现有先进方法进行比较,通过计算Dice系数,评估模型效果。此外,...
...应用落地!牛津大学团队发布Medical SAM 2,刷新医学图像分割...
值得注意的是,MedSAM-2的一个重要创新在于将医学图像处理视作视频进行分割,这是提高3D医学图像分割性能和解锁「单次提示分割功能」的关键,为此团队还为2D和3D医学图像分别开发了两个不同的运行流程,以针对不同维度的医学图像进行有效的分割处理。对于3D医学图像处理,因为3D医学图像中相邻切片之间存在...
ECCV 2024 | 哈佛团队开发FairDomain,实现跨域医学图像分割和分类...
我们研究了在三种不同的人口统计特征(性别、种族和族裔)下的公平性表现,涉及两个不同的领域:从光学相干断层扫描(OCT)中获取的Enface眼底图像和扫描激光眼底图像(SLO)。在随后的实验中,我们选择Enface眼底图像作为源域,SLO眼底图像作为目标域。其原因在于,与SLO眼底图像相比,Enface眼底图像在专科眼...
MICCAI 2024 | 开创性Point-Image Diffusion助力医学图像公平分割
论文题目:FairDiff:FairSegmentationwithPoint-ImageDiffusion论文链接:httpsarxiv/abs/2407.06250代码链接:httpsgithub/wenyi-li/FairDiff一、背景介绍公平性在医学影像分析中是一个重要课题,特别是在不同目标群体训练数据不平衡的情况下。为了解决这一问题,我们提出了一种基于混合数据...
Cell 50周年专刊:华大发表长篇综述,解析时空组学在生物学和医学...
20年前,六国(中、美、日、德、法、英)科学家历时13年,耗资38亿美元,绘制出首个人类基因组草图,全面揭开生命最底层“代码”,成为“人类20世纪三大科学工程”之一(www.e993.com)2024年10月20日。当时,华大的科学家们代表中国完成了其中1%的工作,贡献了中国力量。人类基因组计划的完成为生命科学和医学的发展带来了翻天覆地的变化,并为全球带来...
...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
上交大团队发布开源3D医学大模型SAT,支持497类器官,性能超越72个nnU-Nets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)。该研究首次探索将人体解剖学知识注入文本编码器,构建了第一个包含6K+人体解剖...
刚刚,Meta开源「分割一切」2.0模型,视频也能分割了
01Meta发布最新模型SAM2,可实时、可提示地分割图像和视频中的对象,统一图像和视频分割功能。02SAM2在图像分割准确率方面超越之前功能,视频分割性能优于现有工作,交互时间减少为原来的1/3。03为此,Meta发布大型带注释数据库SA-V,包含约51,000个真实世界视频和超过600,000个masklets。
中德医学人工智能大会圆满闭幕
上海交通大学医学院附属上海儿童医学中心沈楠教授人工智能介入Session6:ArtificialIntelligenceinNeurologicalDiseases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...
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
论文中详细讨论了各种3D医学图像分割方法的性能,主要通过DiceSimilarityCoefficient(DSC)分数来量化各方法的准确性。以下是一些关键的性能提升数据及其与以前研究的比较:nnU-Net及其变体的性能原始nnU-Net在不同数据集上的DSC分数:BTCV(83.08%),ACDC(91.54%),LiTS(80.09%),BraTS(91.24%),KiTS...