归档

2024 年 02 月

通过评估免疫组化 ER、PR、HER-2 和 Ki-67 表达水平确定患者治疗方案,但其在不同观察者之间存在显著差异,因此需要基于 ML 帮助病理医师进行乳腺癌常规免疫组化的指标评估。

2024 年 01 月

本文提出了一种基于人类视觉系统(HVS)的改进型简化脉冲耦合神经网络(MSPCNN)图像分割方法用于医学图像处理。该方法根据PCNN和HVS特性成功确定了MSPCNN的刺激输入。

2023 年 11 月

本文旨在开发一个通用的SSL框架,可以处理所有三种问题。本文在现有的 SSL 框架中确定了实现这一目标的两个主要障碍:1)捕捉分布不变特征的弱点;2)未标记数据往往被标记数据压倒,导致训练期间过度拟合标记数据
基于神经元活动特性的脉冲耦合神经网络(PCNN)在图像分割领域具有很大的应用潜力。本文阐述了 PCNN 的内部行为,以展示其图像分割能力。其中有三个重要部分:动态特性、参数设定和复杂 PCNN。进一步,本文系统地提供了 PCNN 的相关分割内容,希望能帮助研究者了解 PCNN 模型的合适分割应用

2023 年 10 月

本文提出了一种直接的方法来缓解这个问题——在一个简单的 Mean Teacher 架构中双向复制粘贴标记和未标记的数据

2023 年 09 月

乳腺肿瘤的形状和大小各异,以及背景不均匀,使得在 DCE-MR 图像中准确分割肿瘤变得具有挑战性。本文提出了一种新颖的肿瘤敏感合成模块,并展示了其与肿瘤分割集成后的用法
为了辅助计算病理学,合成数据生成、管理和标注提供了一种经济有效的方法增强数据多样性,可以在不同阶段快速提高模型性能。本文提出了一个大规模的带有细胞核语义分割标注的合成病理图像数据集 (SNOW)
癌症在大小、形态和强度外观上的巨大差异,自动和稳健的分割仍然非常具有挑战性。本文提出了一种简单而有效的两阶段方法,该方法同时利用对比前和对比后的增强信息来分割乳腺癌