腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
最新医学影像技术
专栏作者
举报
321
文章
263917
阅读量
116
订阅数
订阅专栏
申请加入专栏
全部文章
数据
网络
测试
github
tensorflow
优化
腾讯云测试服务
图像处理
git
编程算法
开源
函数
深度学习
模型
算法
机器学习
https
网络安全
神经网络
人工智能
pytorch
python
mask
系统
数据库
开发
异常
epoch
spacing
工具
文件存储
医疗
自动化
数据处理
图像分析
性能
c++
unity
腾讯云开发者社区
视频
存储
卷积神经网络
numpy
tcp/ip
fork
部署
计算机视觉
协议
.net
scala
sql
容器镜像服务
windows
分类算法
alpha
detection
patch
编码
解决方案
设计
统计
其他
打包
ide
linux
http
容器
serverless
数据分析
数据结构
学习方法
binary
csv
file
image
src
编程
程序
队列
二进制
管理
量化
软件
研发
硬件
对象存储
区块链
NLP 服务
php
c#
html
jquery
android
access
flask
matlab
批量计算
命令行工具
SSL 证书
机器翻译
网站
智慧医学影像
大数据解决方案
opencv
监督学习
kernel
socket编程
uml
anaconda
安全
nest
canvas
es
智能识别
流计算 Oceanus
algorithm
com
cv2
gpu
header
kaggle
line
local
map
model
nan
nested
nvidia
object
parameters
path
percentage
precision
reference
std
ui
using
翻译
服务
工作流
基础
计算机
可视化
连接
论文
命令行
事件
数据采集
索引
隐私
重构
LLM
搜索文章
搜索
搜索
关闭
Regional_wall_motion_abnormality_echo2023——超声心动图局部室壁运动分割
性能
异常
测试
视频
数据
一、Regional_wall_motion_abnormality_echo2023介绍
医学处理分析专家
2024-03-22
63
0
OCT_ChestX-Ray2017——OCT眼底疾病分类和X-Ray疾病分类
测试
函数
数据
网络
优化
视网膜光学相干断层扫描(OCT)是一种成像技术,用于捕获活体患者视网膜的高分辨率横截面。每年大约进行3000万次OCT扫描,对这些图像的分析和解释占用了大量时间。OCT被眼科医生大量使用以获得眼睛视网膜的高分辨率图像,同时也可用于诊断许多视网膜相关的眼病,因此OCT图像对医学图像处理任务中十分重要。
医学处理分析专家
2024-03-21
63
0
cardiacUDC2023——超声心动图视频四腔室分割
视频
数据
优化
测试
函数
超声心动图是一种非侵入性诊断工具,可以观察心脏的所有结构。它可以捕获心脏运动和功能的动态信息,使其成为心脏形态和功能分析的安全且经济高效的选择。心脏结构的准确分割,例如左心室 (LV)、右心室 (RV)、左心房 (LA) 和右心房 (RA),对于确定重要的心脏功能参数(例如射血分数和心肌)至关重要的。这些参数可以帮助医生识别心脏病、规划治疗和监测进展。因此,开发一种超声心动图视频的自动结构分割方法具有重要意义。
医学处理分析专家
2024-03-21
71
0
ImageTBAD2021——B 型主动脉夹层自动分割
系统
优化
函数
量化
数据
B型主动脉夹层(TBAD)是血液通过主动脉内膜撕裂涌出,导致内膜和中膜分离,并形成假腔(通道),这是最严重的心血管疾病之一 。TBAD 每年影响十万分之三的人。大约 20% 的 TBAD 患者在入院前死亡,如果不接受治疗,前 24 小时内每小时有 1-3% 的患者死亡,第一周死亡30%,第 2 周死亡80%, 第一年就达到 90%。据报道,通过胸主动脉腔内修复 (TEVAR) 手术和适当的治疗,患者的 30 天死亡率极低,为 10% 或更低。近年来,TBAD因其发病率逐年增加以及疾病预后的严重性而引起了广泛关注。
医学处理分析专家
2024-03-21
62
0
CAS2023——脑动脉分割挑战赛
深度学习
图像处理
可视化
数据
网络
中风是全世界死亡的主要原因之一。缺血性中风的主要病因是脑血管疾病,其特征在于脑血管系统疾病,例如动脉狭窄和闭塞。准确评估脑血管疾病对于脑血管疾病的诊断、治疗和干预具有重要意义。磁共振血管造影(MRA)广泛用于可视化脑动脉树以进行疾病诊断。MRA准确的脑动脉分割对于脑血管疾病的定量分析,如估计管腔狭窄程度具有重要意义。然而,考虑到脑动脉网络复杂、个体间差异很大,并且由于血流缓慢或平面内血流导致小血管信号较弱,即使对于专家来说,手动分割也具有挑战性。飞行时间 (TOF) MRA 是最广泛使用的非侵入性成像技术,无需使用造影剂即可描绘脑血管树的解剖结构。
医学处理分析专家
2024-03-21
67
0
SICAP2020——组织学前列腺自动格里森分级
数据库
计算机视觉
开发
数据
系统
今天将分享组织学前列腺自动格里森分级完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024-03-21
53
0
TotalSegmentator2023——全身117个解剖器官分割
测试
模型
数据
算法
优化
今天将分享CT图像中全身117个解剖器官分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024-03-21
93
0
MED-NODE2015——非皮肤镜图像黑色素瘤诊断
设计
数据
函数
开发
软件
全球白皮肤人群中黑色素瘤的发病率增加了 3-7%,每年影响 100,000 人中的约 40 人(Marks,2000)。1985 年,为了应对美国黑色素瘤发病率的增加,设计了黑色素瘤的 ABCD 诊断缩写(Friedman、Rigel 和 Kopf,1985)。首字母代表用于识别黑色素瘤的主要诊断标准:不对称、边界不规则、颜色变化和直径大于6毫米。黑色素瘤的鉴别诊断,特别是与良性黑色素细胞痣的鉴别诊断并不简单。因此,对通过外发光显微镜(皮肤镜)获得的数字图像进行自动分析越来越感兴趣,以协助皮肤科医生完成这项任务。
医学处理分析专家
2024-03-21
58
0
UW-Madison GI Tract Image Segmentation2022——磁共振肠胃器官分割
安全
image
测试
数据
深度学习
一、UW-Madison GI Tract Image Segmentation2022介绍
医学处理分析专家
2024-03-21
78
0
FetReg2021——胎儿镜检查中胎盘血管的分割和配准
cv2
工具
视频
数据
异常
胎儿镜激光光凝术是一种广泛用于治疗双胎输血综合征 (TTTS) 的手术。由于视野有限、胎儿镜的可操作性差、液体混浊和光源变化导致的可见度差以及胎盘位置异常,该手术特别具有挑战性。这可能会导致手术时间增加和消融不完全,从而导致持续的TTTS。计算机辅助干预可以通过视频镶嵌扩大胎儿镜视野并提供更好的血管图可视化,从而指导外科医生更好地定位异常吻合,从而帮助克服这些挑战。胎儿镜检查的视频拼接仍然是一个具有挑战性的问题,因为视觉质量差(即伪影、照明条件、漂浮的液体颗粒)、分辨率低、纹理缺乏、患者之间和患者内部的高变异性、术中环境的移动性和有限的视野。
医学处理分析专家
2024-03-12
68
0
EchoNetDynamic2020——超声心动图左心室心内膜分割和左心室射血分数计算
机器学习
数据库
视频
数据
优化
超声心动图或心脏超声是评估心脏功能和结构的最广泛使用且易于获得的成像方式。结合便携式仪器、快速图像采集、高时间分辨率以及没有电离辐射的风险,超声心动图是最常用的成像研究之一,是心血管成像的支柱。对于从心力衰竭到心脏瓣膜病的各种疾病,超声心动图对于诊断许多心血管疾病都是必要且充分的。
医学处理分析专家
2024-03-12
102
0
CAMUS2019——超声心动图心脏结构分割
es
函数
数据
网络
优化
30 多年来,二维超声心动图图像的精确分割一直是一个持续存在的问题。其原因有三个:i) 超声心动图图像的本质(对比度差、亮度不均匀、沿心肌的散斑图案变化、群体内显着的组织回声变化等)使得难以准确定位心脏区域;ii) 缺乏公开的大规模二维超声心动图数据集;iii)缺乏对大型数据集的多专家注释来评估最小误差范围,在该误差范围内,分割方法将被认为与人类专家一样准确。
医学处理分析专家
2024-03-12
77
0
ICIAR 2018——乳腺癌组织学图像四分类
网络
优化
测试
函数
数据
乳腺癌是全球主要的癌症相关死亡原因之一,尤其是女性。然而,早期诊断可显着提高治疗成功率。为了早期诊断,正确分析组织学图像至关重要。具体来说,在诊断过程中,专家通过全玻片和显微镜图像评估整体和局部组织组织。然而,大量的数据和图像的复杂性使得这项任务既耗时又不简单。因此,自动检测和诊断工具的开发具有挑战性,但对该领域来说也是至关重要的。
医学处理分析专家
2024-03-12
72
0
FairSeg10k2024——SLO眼底视杯视盘分割
机器学习
测试
模型
数据
性能
随着人工智能在医学图像诊断中的使用不断增长,确保这些深度学习模型的公平性并深入研究复杂的现实场景中可能出现的隐藏偏差至关重要。遗憾的是,机器学习模型可能会无意中纳入与医学图像相关的敏感属性(如种族和性别),这可能会影响模型区分异常的能力。这一挑战促使人们付出巨大努力来调查偏见、维护公平性并在机器学习和计算机视觉领域推出新的数据集。
医学处理分析专家
2024-03-12
57
0
Drishti-GS2014——视网膜视神经头(ONH)分割
统计
网络
优化
测试
数据
在多种视网膜异常中,青光眼是世界上不可逆视力丧失的主要原因之一。它涉及视神经纤维的进行性变性。ONH(由视盘(OD)和视杯区域组成)的结构变化是评估青光眼损伤程度的标准方法之一。这些变化导致杯形,即杯相对于外径的扩大,并使用杯盘直径比 (CDR) 捕获。CDR 值较高表明眼睛中存在青光眼。不同的成像方式如光学相干断层扫描、海德堡视网膜断层扫描、眼底成像等用于评估青光眼。其中,彩色眼底(视网膜)成像是一种低成本、无创且最优选的视网膜疾病大规模筛查成像方式。视网膜图像是视网膜的真彩色二维投影。为了量化杯盘直径并估计青光眼的指示参数,任何自动化分析方法都必须从视网膜图像中准确分割OD和视杯区域。不规则的圆盘形状、不明确的OD区域边界和可变的成像条件使得OD分割问题具有挑战性。已经提出了多种用于OD 和视杯区域分割的方法。OD分割技术相当成熟,能够提供可靠的OD边界。相比之下,视杯分割仍然是一项具有挑战性的任务,因为深度是最好的标记(由于视网膜图像中的 2D 投影而丢失),并且提出的方法很少。在人类专家对视杯边界的手动标记中,观察者之间也存在很大的差异。
医学处理分析专家
2024-03-02
74
0
TotalSegmentator2022——全身104个解剖器官分割
优化
测试
模型
数据
算法
今天将分享CT图像中全身104个解剖器官分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024-03-02
113
0
CBC2019——全血细胞自动识别计数 (CBC)
医疗
自动化
测试
函数
数据
全血细胞 (CBC) 计数是医疗专业人员经常要求评估健康状况的重要测试。血液主要是三种细胞:红细胞(RBC)、白细胞(WBC)和血小板。红细胞是最常见的血细胞类型,占血细胞的 40-45% 。血小板在血液中也大量存在。白细胞,仅占血细胞总数的 1%。红细胞将氧气输送到身体组织,组织接收的氧气量受到红细胞数量的影响。白细胞可以抵抗感染,血小板可以帮助凝血。由于这些血细胞数量巨大,使用血细胞计数板的传统手动血细胞计数系统非常耗时且容易出错,并且大多数情况下的准确性在很大程度上取决于临床实验室分析人员的技能。因此,从涂片图像中计数不同血细胞的自动化过程将极大地促进整个计数过程。
医学处理分析专家
2024-03-02
77
0
µ-RegPro2023——前列腺 MR 超声配准挑战之传统非刚性配准方法
函数
数据
算法
测试
队列
术前和术中成像之间的多模态图像配准能够在许多手术和介入任务中融合临床重要信息。磁共振成像 (MR) 和经直肠超声 (TRUS) 图像的配准有助于精确对准前列腺和其他解剖结构,例如在引导前列腺活检期间作为定位相关解剖和潜在病理目标的标准,以及用于前列腺活检和局部治疗/干预计划的方法或决策支持,可以说已经将前列腺癌患者护理转变为侵入性更小、更局部化的诊断、监测和治疗途径。尽管在过去二十年中取得了巨大进步,但该应用程序仍然面临挑战。首先,来自大量患者队列的配对 MR 和 TRUS 数据并未在临床实践中常规存储,而且公开数据稀缺且质量低下。其次,在两张图像上注释解剖和病理标志(对于表示相应位置进行验证至关重要)需要来自泌尿学、放射学和病理学等多个学科的专家领域知识和经验。
医学处理分析专家
2024-03-02
82
0
BCI2022——乳腺癌免疫组织化学图像生成挑战
网络
系统
重构
测试
数据
乳腺癌是女性死亡的主要原因。组织病理学检查是识别乳腺癌的金标准。为此,首先将肿瘤材料制成HE染色切片(图1)。然后,病理学家通过在显微镜下观察 HE 切片或分析数字化全切片图像 (WSI) 进行诊断。对于确诊的乳腺癌,必须通过检查特定蛋白质的表达来制定精确的治疗计划,例如人类表皮生长因子受体2(HER2)。HER2表达的常规评估是通过免疫组织化学技术 (IHC) 进行的。IHC 染色切片如图 1 所示。直观上,HER2 表达水平越高,IHC图像的颜色越深(图 2)。
医学处理分析专家
2024-02-23
99
0
OCELOT2023——基于细胞-组织关系的细胞检测挑战赛
测试
函数
数据
索引
网络
组织学图像中的细胞检测是计算病理学中最重要的任务之一。OCELOT数据集为从H&E 染色的多个器官获取的图像提供了重叠的细胞和组织注释。OCELOT表明,了解周围组织结构和单个细胞之间的关系可以提高细胞检测性能。依据OCELOT 数据集,举办了 OCELOT 2023:细胞-组织相互作用的细胞检测挑战赛,以促进如何利用细胞-组织关系更好地进行细胞检测的研究。与典型的细胞检测挑战不同,参与者可以利用组织块和注释来提高细胞检测性能。
医学处理分析专家
2024-02-23
71
0
点击加载更多
社区活动
Python精品学习库
代码在线跑,知识轻松学
点击查看
【玩转EdgeOne】征文进行中
限时免费体验,发文即有奖~
立即参加
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档