신경 렌더링을 통한 수술 중 등록 방법
수술 중 신경 렌더링을 통해 3D 해부학적 구조와 2D 수술 영상 간의 등록을 수행하는 새로운 방법을 제안한다.
가속화된 MRI 재구성을 위한 자기회귀 이미지 확산 모델
자기회귀 이미지 확산 모델은 이미지 간 의존성을 학습하여 일관성 있는 이미지 시퀀스를 생성할 수 있으며, 이를 활용하여 부분적으로 샘플링된 MRI 데이터로부터 고품질의 이미지를 재구성할 수 있다.
뇌종양 분할을 위한 얕은 인코더-디코더 네트워크 SEDNet
SEDNet은 계산 복잡성을 최소화하면서도 뛰어난 종양 분할 성능을 달성하는 얕은 인코더-디코더 네트워크이다.
의료 AI를 활용한 합성 영상 생성: MAISI
MAISI는 고해상도 3D CT 영상을 생성하는 혁신적인 접근법으로, 데이터 부족, 높은 주석 비용, 프라이버시 문제 등의 의료 영상 분석 과제를 해결합니다.
CT 스캔에서 3D 확산 모델을 이용한 합성 데이터 생성을 통한 대퇴골 전이암 분할 성능 향상
3D 확산 모델을 이용한 합성 데이터 생성을 통해 대퇴골 전이암 분할 모델의 성능을 향상시킬 수 있다.
저품질 망막 영상의 문맥 인식 비지도 신경 슈뢰딩거 브리지 향상
본 연구는 망막 영상의 품질을 향상시키기 위해 문맥 인식 비지도 신경 슈뢰딩거 브리지 모델을 제안한다. 이 모델은 혈관 구조를 잘 보존하면서도 안정적이고 다양한 결과를 생성할 수 있다.
신경 필드를 이용한 적응형 광음향 단층 촬영
본 연구는 신경 필드를 활용하여 초기 압력 이미지와 음속 분포를 동시에 추정하는 효율적이고 자기 지도 학습 기반의 프레임워크를 제안한다. 이를 통해 기존 방법들보다 빠르고 정확하게 음속 왜곡을 제거할 수 있다.
다중 OCT 데이터 융합과 자기지도학습을 통한 향상된 다중 클래스 망막 질환 분류
본 연구는 다양한 OCT 데이터 융합과 자기지도학습 기반 SwinV2 모델을 활용하여 망막 질환 분류 성능을 향상시켰다.
다중 스케일 딥 셀프-어텐션 네트워크를 이용한 의료 영상 분할
본 연구는 컨볼루션 신경망과 셀프-어텐션 메커니즘을 결합한 MS-Twins 모델을 제안하여, 의료 영상 분할 성능을 향상시켰다. MS-Twins는 다중 스케일 특징 반복 융합 모듈을 통해 다양한 스케일의 특징을 효과적으로 결합하고, 계층적 객체 개념을 모델링할 수 있다.
작은 종양과 장기를 정확하게 분할하는 SMAFormer: 의료 영상 분할을 위한 시너지 다중 주의 집중 트랜스포머
SMAFormer는 작은 종양과 장기를 정확하게 분할하기 위해 다중 주의 집중 메커니즘을 통합한 효율적이고 효과적인 트랜스포머 기반 아키텍처이다.
© 2024 by Linnk AI