亮点 |
IEEE Transactions on Medical Imaging文献跟踪
2021年9月 • 40卷 • 第9期
成像:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Super-resolution photoacoustic microscopy using structured-illumination/(否)(2.5) |
肝 耳朵 幼虫 |
本文方法、自采 本文方法、自采 本文方法、自采 |
鼠 鼠 鼠 |
软硬结合 |
本文提出了一种基于结构照明理论的新型超分辨率体积光声显微镜。 首先,将引入结构化照明以超越光声显微镜 (PAM) 结构中的衍射极限。通过具有正弦空间条纹图案的目标物体的光激发,物体的频谱被迫在空间频域中移动。 其次,在所需方向上的移动导致对象的高频内容通过声学衍射频率响应的通带。 最后,将低频图像与空间频域中四个规则方向的高频部分结合,相当于用两倍带宽、半横向分辨率的成像系统对目标物体进行成像。 |
克服声学衍射极限,从而提高扩展景深 (DOF) 的横向分辨率 |
Accurate Monte Carlo Modeling of Small-Animal Multi-Pinhole SPECT for Non-Standard Multi-Isotope Applications(否)(2.5) |
骨骼 软组织 肺组织 |
本文方法、自采(CT) 本文方法、自采(CT) 本文方法、自采(CT) |
鼠 鼠 鼠 |
软硬结合 |
本文开发了最先进的临床前多针孔 SPECT 系统 Nano SPECT/CT PLUS 的蒙特卡罗模拟模型 ,重点是在系统范围限制附近运行的多同位素实验的高精度。 |
可用于在 SPECT 系统技术可行性的边缘对成像硬件、采集协议和定量重建进行经济有效的优化。 |
Electromechanical Wave Imaging With Machine Learning for Automated Isochrone Generation(否)(3) |
心内标测 LV心外膜表面 |
本文方法、自采 本文方法、自采 |
人 狗 |
软硬结合 |
本文开发并优化了自动 ZC 选择算法,以实现更快、更稳健的等时线生成方法。该算法要么依赖于基于启发式的基线,要么依赖于机器学习分类器。 |
具有机器学习的机电波成像可自动检测增量轴向应变曲线上的过零时间点,以实现更快、更稳健且更少依赖于操作员的等时线生成过程。 |
X-Ray Scatter Estimation Using Deep Splines(否)(2) |
头部 胸部 |
本文方法、自采(X-Ray) 本文方法、自采(CT) |
人 人 |
软件 |
本文将 B 样条作为已知算子嵌入到神经网络中。这从本质上将他们的预测限制为表现良好且平滑的函数。 |
在神经网络中嵌入 B 样条可确保低频信号的数据完整性。这减少了达到物理上合理的结果所需的网络参数数量,并且由于减少了参数集,可以更快地进行网络推理。 |
Results of the 2020 fast MRI Challenge for Machine Learning MR Image Reconstruction(否)(2) |
大脑 |
fastMRI 数据集、MRI |
人 |
软件 |
用二次采样的 k 空间数据重建 MR 图像。 |
2020 年的 fastMRI 重建挑战赛在其 2019 年的前身基础上进行了两项核心修改:1) 新的竞赛转移轨道以评估模型泛化,以及 2) 调整放射科医生的评估以专注于病理学描述。 |
Photoacoustic Tomography Image Restoration With Measured Spatially Variant Point Spread Functions(否)(2.5) |
乳腺癌 肿瘤 |
本文方法、自采(PAT) 本文方法、自采(PAT) |
鼠 鼠 |
软硬结合 |
我们提出了一种光声断层扫描(PAT)图像恢复方法,以基于实验测量的空间变化 PSF 来提高图像质量和分辨率。 1)我们设计了严格的 PSF 测量程序,并成功地为商业横截面 PAT 系统获得了一组密集的空间变化 PSF。 2)通过采用基于多高斯的拟合和插值算法进一步获得像素级PSF图。 3)为了执行图像恢复,提出了一种具有两种正则化的基于优化的迭代恢复模型。 |
通过对实验测量的空间变化点扩散函数进行解卷积来恢复 PAT 图像分辨率 |
分类或分割:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Two-Stream Compare and Contrast Network for Vertebral Compression Fracture Diagnosis(否)(3) |
椎体压缩性骨折(VCF) |
VCF数据集、MRI |
人 |
软件 |
提出了一种用于 VCF 诊断的新型双流比较和对比网络(TSCCN)。该网络由两个流组成,一个识别流通过相邻椎骨之间的比较和对比来学习识别 VCF,一个分类流通过类内和类间之间的比较和对比来学习细粒度分类的特征。 |
本网络使用两个流来单独增强识别和分类的特征提取能力,以及一个权重控制模块,以更好地整合来自两个流的特征。 |
Rotation-Oriented Collaborative Self-Supervised Learning for Retinal Disease Diagnosis(是)(2) |
眼底图像 |
AMD数据集 PM数据集 EyePACS 数据集 |
人 |
软件 |
本文提出了一种用于视网膜疾病诊断的新型自监督学习框架,通过从未标记的图像中学习视觉特征来减少注释工作。 1)提出了一种面向旋转的协作方法,该方法探索与旋转相关和旋转不变的特征,从眼底图像中捕获判别性结构,并探索用于视网膜疾病分类的不变性。 |
通过开发面向旋转的协作借口任务,即旋转预测任务和多视图实例判别任务,从未标记的图像中学习视觉特征。 |
Deep Relation Transformer for Diagnosing Glaucoma With Optical Coherence Tomography and Visual Field Function(否)(3) |
青光眼 |
ZOC-OCT&VF数据集、OCT |
人 |
软件 |
本文了一种深度关系变换器(DRT)来结合 OCT 和 VF 信息进行青光眼诊断。 1)提出了一种新的深度推理机制,以全局和区域方式探索 OCT 和 VF 信息之间的隐式成对关系。 2)有了成对关系,开发了精心设计的深度转换器机制,以增强每个模态的补充信息的表示。 3)基于推理和转换机制,设计了三个连续的模块来提取和收集对青光眼诊断有价值的信息,即全局关系模块、引导区域关系模块和交互转换器模块, 4)我们构建了一个大型数据集,即 ZOC-OCT&VF 数据集。 |
提出了一种新的机制来推理结构评估和功能评估之间的关系。 |
Object-Guided Instance Segmentation With Auxiliary Feature Refinement for Biological Images(是)(3) |
神经细胞 植物表型 DSB2018 |
神经细胞数据集、CT 植物表型数据集、CT DSB2018数据集、CT |
植物 鼠 生物 |
软件 |
在本文中,我们提出了一种新的对象引导的实例分割方法。所提出的方法重用对象特征作为指导,使模型专注于目标并在同一裁剪的 ROI 区域内抑制其相邻对象。所提出的辅助特征细化模块使网络能够细化边界特征并进一步提高分割质量。 |
提出了辅助特征细化模块使网络能够细化边界特征并进一步提高分割质量 |
Efficient Computer-Aided Design of Dental Inlay Restoration: A Deep Adversarial Framework(否)(2) |
牙齿 |
牙嵌体数据库 |
人 |
软件 |
我们设计了一个计算机辅助的深度对抗驱动的牙嵌体修复 (DAIS) 框架,以自动重建有缺陷牙齿的真实表面。 1)具体来说,DAIS 由具有专门设计的损失测量的 Wasserstein 生成对抗网络 (WGAN) 和新的局部全局鉴别器机制组成。 2)局部判别器侧重于缺失区域以确保生成的咬合面的局部一致性,而全局判别器则针对缺陷牙齿和邻牙以评估其整体是否连贯。 |
可以恢复与残留牙齿表面一致的凹槽形状。 |
Domain Knowledge Powered Deep Learning for Breast Cancer Diagnosis Based on Contrast-Enhanced Ultrasound Videos(否)(2.5) |
乳腺癌 |
Breast-CEUS 数据集、US |
人 |
软件 |
在本文中,我们提出了一种基于 CEUS 视频的新型诊断模型。该模型的主干是一个 3D 卷积神经网络。 1)更具体地说,我们注意到放射科医生在浏览 CEUS 视频时通常遵循两种特定模式。 2)一种模式是他们专注于特定的时间段,另一个是他们注意CEUS帧和对应的US图像之间的差异。 3)为了将这两种模式合并到我们的深度学习模型中,我们设计了一个领域知识引导的时间注意模块和一个通道注意模块。 |
本文的模型能够专注于 CEUS 视频的关键时隙并更有效地提取特征,这有助于提高模型的分类性能。 |
Alleviating Class-Wise Gradient Imbalance for Pulmonary Airway Segmentation(是)(3) |
肺气道 |
EXACT'09数据集、CT 二元气道分割数据集、CT |
人 |
软件 |
本文使用组监督和相应的 WingsNet 提供互补的梯度流来增强浅层的训练。为了进一步解决大小气道之间的类内不平衡问题,我们设计了一个通用联合损失函数,它通过基于距离的权重来消除气道大小的影响,并根据学习过程自适应地调整梯度比。 |
解决了大、小气道之间的类内不平衡 |
Joint Learning of 3D Lesion Segmentation and Classification for Explainable COVID-19 Diagnosis(否)(2.5) |
COVID-19 |
COVID-19数据集、CT |
人 |
软件 |
在本文中,我们提出了一种用于诊断 COVID-19 的 3D 病变分割和分类的联合深度学习模型,称为 DeepSC-COVID,作为该方向的首次尝试。 |
用于 COVID-19 的快速、准确和可解释的筛选 |
AutoTICI: Automatic Brain Tissue Reperfusion Scoring on 2D DSA Images of Acute Ischemic Stroke Patients(否)(3) |
脑梗死溶栓 (TICI) |
MR CLEAN Registry数据集 |
人 |
软件 |
我们提出了 autoTICI,一种自动和定量的 TICI 评分方法。 1)首先,使用多路径卷积神经网络 (CNN),利用时空特征将每个数字减影血管造影 (DSA) 采集分为四个阶段(非对比、动脉、实质和静脉阶段)。该网络还以状态转换矩阵的形式合并了序列级标签依赖性。下 2)其次,使用运动校正的动脉和实质帧计算最小强度图 (MINIP)。在 MINIP 图像上,血管、灌注和背景像素被分割。 3)最后,我们将 autoTICI 分数量化为 EVT 后再灌注像素的比率。 |
在常规获取的多中心数据集上,所提出的 autoTICI 显示出与扩展 TICI (eTICI) 参考的良好相关性 |
检测或识别:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Dual Attention Multi-Instance Deep Learning for Alzheimer’s Disease Diagnosis With Structural MRI(否)(3) |
阿尔茨海默病 |
ADNI数据集、MRI AIBL数据集\MRI |
人 人 |
软件 |
本文提出了一种双重注意多实例深度学习网络(DA-MIDL),用于早期诊断阿尔茨海默病(AD)及其前驱期轻度认知障碍(MCI)。具体来说,DA-MIDL 由三个主要组件组成: 1) 带有空间注意力块的 Patch-Nets 用于提取每个 sMRI 补丁内的判别特征,同时增强大脑中异常变化的微结构的特征。 2) 用于平衡相对贡献的注意力多实例学习 (MIL) 池化操作每个补丁并产生整个大脑结构的全局不同加权表示,以及。 3)注意力感知全局分类器,用于进一步学习积分特征并做出与 AD 相关的分类决策。 |
提出的 DA-MIDL 方法在 AD 相关诊断和鉴别病理位置方面取得了良好的性能 |
Non-Invasive Photothermal Strain Imaging of Non-Alcoholic Fatty Liver Disease in Live Animals(否)(4) |
非酒精性脂肪肝(NAFLD) |
自采 自采 自采 |
鼠 猪脂肪 鸡胸肉 |
软硬结合 |
提出一种用于 NAFLD 诊断的新型非侵入性工具——光热应变成像 (pTSI) |
通过 pTS 图像进行直观验证以确认肝脏中脂质的存在,同时还可以通过图像分析进行定量分析。 |
数据增强:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Realistic Lung Nodule Synthesis With Multi-Target Co-Guided Adversarial Mechanism(否)(2.5) |
肺结节 |
LIDC-IDRI数据集、CT |
人 |
软件 |
我们提出了一种具有联合损失函数的解决方案网络多目标协同引导合成网络,以实现图像变换和语义特征学习的协同引导。提议的网络包含一个掩码引导的生成对抗子网络(MGGAN) 和一个窗口引导语义学习子网络(WGSLN) |
引入了多目标联合引导对抗机制,它利用前景和背景掩模来引导结节形状和肺组织,利用 CT 肺和纵隔窗口作为指导毛刺和纹理控制, |
Assessing the Impact of Deep Neural Network-Based Image Denoising on Binary Signal Detection Tasks(否)(2.5) |
医学图像 |
软件 |
本文通过使用基于任务的图像质量(IQ)度量来评估基于 DNN 的去噪方法的性能。具体而言,考虑了具有背景已知统计(BKS)条件的信号已知(SKE)下的二进制信号检测任务。对理想观测器 (IO) 和常见线性数值观测器的性能进行量化,并计算检测效率以评估去噪操作对任务性能的影响。 |
强调了对基于 DNN 的去噪技术的 IQ 进行客观评估的必要性 |
||
1.7-Micron Optical Coherence Tomography Angiography for Characterization of Skin Lesions–A Feasibility Study(否)(2) |
手掌 太阳斑 手背脂溢性角化病 皮肤痣 |
自采、OCT 自采、OCT 自采、OCT 自采、OCT 自采、OCT |
人 人 人 人 |
软硬结合 |
本文开发了 1.7 微米 OCT/OCT 血管造影 (OCTA) 系统,该系统允许对皮肤深层的形态和微血管进行可视化。使用该成像系统,我们对具有不同良性病变的人体皮肤进行成像,并描述结构和脉管系统的相应特征 |
拟议的系统能够在增加的皮肤深度上提供更多的结构和血管信息 |
定位:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Simultaneous Denoising and Localization Network for Photoacoustic Target Localization(是)(3) |
血管 手术针 肿瘤 |
Johnstonbaugh数据集、PA |
人 物 人 |
软件 |
本文开发了一种新颖的深度学习方法,旨在明确展示对光声射频 (RF) 数据中存在的噪声的鲁棒性。 1)评估了一个由共享编码器和两个并行解码器组成的深度神经网络架构。 2)第一个解码器负责生成去噪图像,从而帮助编码器提取具有极大增强的噪声鲁棒性的特征。 3)第二个解码器使用共享编码器提供的特征定位输入图像中的目标。因此,我们将我们的提议称为同步去噪和定位网络 (SDL)。 |
具有处理模拟加性噪声的能力 |
模型重建:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Reducing the Complexity of Model-Based MRI Reconstructions via Sparsification(否)(2.5) |
腹部模型 |
腹部模型数据集 |
人 |
软件 |
本文介绍了一种算法框架,旨在减少与基于模型的 MRI 重建任务相关的计算负担。关键的创新是对这些模型的相应前向算子进行战略稀疏化,从而产生允许低计算复杂度应用的前向模型(及其伴随)的近似值。 |
能够显式建模(并因此可能克服)中等场不均匀性,简化非笛卡尔采样的重建,甚至允许使用定制设计的非傅立叶编码方法。 |
预测:
文献名/代码开源/推荐 |
研究部位 |
数据集 |
对象 |
实验环境 |
实验方法 |
亮点 |
Learning-Based Regularization for Cardiac Strain Analysis via Domain Adaptation(否)(2) |
心肌 |
自采、4DE |
狗 |
软件 |
在这项工作中,我们将域适应的概念纳入了一个有监督的神经网络正则化框架。 首先,提出了一种具有生物力学约束的半监督多层感知器 (MLP) 网络,用于学习潜在的表示,该表示具有更多生理上合理的位移。 其次,我们扩展了这个框架,在合成数据上包含一个有监督的损失项,并展示了生物力学约束对网络域适应能力的影响。我们使用植入式声波计验证了体内数据的半监督正则化方法。 最后,我们展示了我们的半监督学习正则化方法使用估计的区域应变图识别梗塞区域的能力,与从死后切除的心脏手动追踪梗塞区域具有良好的一致性。 |
通过基于物理约束的正则化来提高基于成像的运动跟踪性能。 |