MRI画像からCT画像を合成するための3次元サブボリューム結合手法の提案
MRI画像からCT画像を合成する際、サブボリューム結合手法を導入することで、ステッチングアーチファクトを効果的に軽減し、合成CTの精度を向上させることができる。
脳腫瘍検出のための高精度かつ効率的なRepVGG-GELANモデル
本研究は、RepVGGとGELANの利点を組み合わせた新しいYOLOモデルであるRepVGG-GELANを提案し、医用画像における脳腫瘍検出の精度と効率性を向上させることを目的としている。
高精度マルチパラメータ磁気共鳴画像の高速化と高精度化のための テンソル分解正則化学習
本研究は、スパース化したq空間データから、様々な拡散モデルの複数のパラメータを同時に高精度に推定する統一的なフレームワークを提案する。提案手法は、テンソル分解に基づく正則化手法を用いて、パラメータ間の相関を効果的に活用し、さらにNesterov ベースの適応的学習アルゴリズムを導入することで、高速化と高精度化を実現している。
3D腫瘍スフェロイドの放射線治療前後の自動セグメンテーション
深層学習モデルを用いて、放射線治療前後の3D腫瘍スフェロイドの自動セグメンテーションを高精度に実現した。
ポリープ分割のための逆変換アテンション(RTA-Former)
ポリープ分割の精度向上のために、変換器エンコーダを用いた逆アテンション機構を導入したRTA-Formerネットワークを提案する。
深層学習における解剖学的スケールにわたる構造的不確実性: 白質病変セグメンテーションの分析
深層学習モデルの白質病変セグメンテーションにおける不確実性を、ボクセル、病変、患者の各スケールで定量化し、それぞれのスケールでの不確実性が示す誤りの特徴を明らかにした。提案した新しい病変スケールと患者スケールの不確実性指標が、既存の指標よりも誤りを効果的に捉えることを示した。
正確で頑健な対話型セグメンテーションモデル「PRISM」 - 視覚プロンプトを活用した3D医用画像セグメンテーション
PRISMは、様々な視覚プロンプトを受け入れ、反復学習と信頼性学習を通じて、人間レベルの精度に近づくことができる頑健な対話型セグメンテーションモデルである。
高精度な前立腺がん分類のための自己蒸留を伴う潜在的拡散モデル
本研究では、複数のグリーソン等級を含む合成組織学画像を生成するために、自己蒸留を伴う潜在的拡散モデルを提案しています。さらに、これらの合成画像を用いて既存の前立腺がん分類モデルの性能を大幅に向上させています。
多モーダル特徴蒸留とCNN-Transformer ネットワークを用いた不完全モーダルでの脳腫瘍セグメンテーション
提案手法MCTSegは、多モーダル特徴蒸留とCNN-Transformerハイブリッドネットワークを用いて、不完全モーダルでも高精度な脳腫瘍セグメンテーションを実現する。
脳腫瘍シーケンス登録(BraTS-Reg)チャレンジ:拡散性グリオーマ患者の術前および経過観察MRI画像の対応関係の確立
本チャレンジの目的は、拡散性グリオーマ患者の術前および経過観察MRI画像の間の空間的対応関係を正確に推定するための登録アルゴリズムを開発し、評価することである。