基於血管定向濾波網路的腦血管分割
本文提出了一種名為 VOF-Net 的新型深度學習方法，用於從 MRA 和 CTA 影像中分割腦血管，該方法通過整合血管定向濾波模組，有效提升了對細小血管和邊界的分割準確度。
2023 年 Autopet 挑戰賽：基於 nnUNet 的全身 3D PET-CT 腫瘤分割技術
基於 nnUNet 的深度學習模型，結合後處理技術，展現出在全身 PET-CT 腫瘤分割任務上的顯著效果，並探討了模型泛化能力的提升策略。
快速動態心臟MRI的深度可分離時空學習
提出一種新穎高效的深度可分離時空學習方法，能夠在有限的訓練數據下實現動態心臟MRI的高質量重建。
稀疏視角CBCT重建的幾何感知衰減學習
本文提出一種新的幾何感知編碼-解碼框架,能夠有效地從極少數2D X光投影中重建高質量的3D CBCT影像。該框架首先使用2D CNN編碼器從不同視角的X光投影中提取特徵,然後利用CBCT掃描的幾何關係將這些2D特徵投影到3D空間中,形成一個全面的3D特徵映射。最後,通過3D CNN解碼器將這個3D特徵映射恢復成最終的3D CBCT影像。這種幾何感知設計確保了從多視角X光投影中準確提取信息,同時通過從大量數據中學習的先驗知識,該方法能夠在不需要個體優化的情況下,即使使用極少數的投影視角(如5或10個視角)也能產生令人滿意的重建結果。
冠狀動脈電腦斷層掃描與血管內影像的形態學非剛性配準：通過虛擬導管路徑優化
本文提出了一種基於形態學的框架,用於將血管內影像與冠狀動脈電腦斷層掃描影像進行剛性和非剛性配準。通過找到最佳的虛擬導管路徑,以重現血管內影像中觀察到的冠狀動脈形態,實現了兩種影像模態之間的配準。
以內容和色彩一致性生成無縫的免疫組織化學整張切片影像
本研究提出了一種新的一致性整張切片影像合成網絡(CC-WSI-Net),能夠在保持Sox10免疫組織化學染色準確性的同時,生成無縫的合成整張切片影像。
基於體積條件性殘差擴散模型的PET/MR去噪
本研究提出了一種有效的三維條件性殘差擴散模型(CSRD)用於PET影像去噪。該模型通過優化評分函數表示和三維分塊訓練,大幅降低了計算負荷和加速了去噪過程。通過整合PET和MRI的體積數據,CSRD模型保持了空間一致性和解剖細節,提高了PET影像的診斷質量。與其他最先進的方法相比,CSRD模型在定量評估中表現出更優異的去噪性能。
從磁共振影像中提取3D面部重建的全自動管線:用於提取面部生物標記
本文提出了BioFace3D,這是一個全自動的管線,可以從磁共振影像中提取3D面部模型,並計算基於幾何形態學的面部生物標記。
以放射線組學和注視引導的擴散模型生成醫學影像
本文提出了一種新的視覺注意力和放射線組學引導的擴散模型 RadGazeGen，用於生成臨床上準確的醫學影像。與傳統的基於文本的影像生成方法相比，RadGazeGen 使用放射線組學特徵圖和專家的眼球注視模式作為控制信號，生成具有更好結構、解剖學準確性和臨床相關疾病模式的影像。
深度學習在醫學影像配準中的魔力還是幻象?
傳統優化和基於學習的方法是可變形影像配準的兩大主導範式。雖然基於優化的方法在跨模態和穩健性方面有優勢,但基於學習的方法承諾可以實現峰值性能,並融入弱監督和攤銷優化。然而,兩種範式在何種條件下表現更佳的確切情況並未在現有文獻中明確概述。
