Sign In
insight - 医療画像セグメンテーション
適応的セマンティックセグメンテーションネットワーク(ASSNet)によるマイクロ腫瘍と多臓器セグメンテーション
ASSNetは、ウィンドウ注意機構と長距離依存性モデリングを統合した新しいトランスフォーマーベースのアーキテクチャであり、医療画像セグメンテーションの精度を大幅に向上させる。
医療画像の全てを一つのプロンプトで自動セグメンテーションする新手法
大規模な基礎モデルを活用し、ユーザーが1つのプロンプト画像を提示するだけで、様々な医療画像を自動的にセグメンテーションできる新しい手法を提案する。
信頼性の高い医療画像セグメンテーションのための証拠に基づく校正された不確実性の活用
本研究では、様々な医療画像セグメンテーションネットワークに簡単に統合できる基盤モデルであるDEviSを提案する。DEviSは、セグメンテーション精度の校正と堅牢性を高めるだけでなく、信頼性の高い予測のための高効率な不確実性推定も提供する。主観論理理論を活用し、医療画像セグメンテーションの問題に対して確率と不確実性を明示的にモデル化する。さらに、信頼性の高い予測と不確実性の推定を生成するための校正された不確実性ペナルティを開発する。最後に、不確実性を活用したフィルタリング戦略を提案し、医療データの品質指標や異常検知への応用を示す。
医療画像適応のためのSAMの潜在能力を引き出す階層的デコーディング
本研究は、医療画像セグメンテーションのためのSAMの効率的な微調整を可能にする階層的デコーディング手法を提案する。
MICCAI KiTS23 Challengeの追加データを使用した際のドメインシフトの分析
追加データを使用する際のドメインシフトへの対処方法とその効果について研究しました。