人工智能检测医学图像——子宫肌瘤B超图

最新推荐文章于 2025-10-17 12:11:26 发布
原创 最新推荐文章于 2025-10-17 12:11:26 发布 · 1.3k 阅读 · 3 ·
CC 4.0 BY-SA版权
点击访问个人博客，微信dvlee1024

该视频展示了如何利用人工智能技术对B超图像进行分析，特别是针对子宫肌瘤的检测。AI算法通过识别和标记B超图像中的异常区域，帮助医生更准确地诊断子宫肌瘤，提升医疗诊断效率。

医学图像/目标检测/B超图像识别/子宫肌瘤

下面是发布在B站的视频演示：

AI医学图像识别(B超图识别子宫肌瘤)

医学图像分割数据：子宫颈细胞核分割（2类别分割任务，划分训练集和测试集）
04-25
项目包含：子宫颈细胞核分割（2类别分割任务，划分训练集和测试集） ...除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下
全自动化学免疫发光仪对子宫肌瘤患者子宫切除前后性激素水平的检测分析.pdf
09-14
总结来说，全自动化学免疫发光仪在子宫肌瘤患者的子宫切除前后性激素水平检测中显示出较高的临床价值，可以为临床医学提供快速、准确的检测结果，有助于医生做出更合理的治疗决策。此外，随着技术的进一步发展，全...
医学图像开源数据集汇总
3D视觉工坊
06-06 2992
编辑丨极市平台3D-IRCADB 脏器分割数据集数据集链接：http://m6z.cn/6x5OSn3D-IRCADb-01 数据库由 10 名女性和 10 名男性 75% 的肝肿瘤患者的 3D CT 扫描组成。20个文件夹对应20个不同的患者，可以单独下载也可以联合下载。下表提供了图像信息，例如肝脏大小（宽度、深度、高度）或根据 Couninaud 分割的肿瘤位置。它还...
B超从RF信号到B-Mode图像的流程介绍
Z.Jiang
12-11 2万+
B超从RF信号到B-Mode图像的流程介绍作者：蒋志强本人同意他人对我的文章引用，但请在引用时注明出处，谢谢．作者：蒋志强处理总体流程图正交解调（Demodulation）基本流程正交解调（Demodulation）处理流程最终得到I/Q信号，I/Q信号是我需要用来计算位移估算组织位移进而估算相对杨氏模量的信号。其基本处理流程如下图所示：
X光、CT、核磁、B超的区别，讲得太到位了
08-29 2014
对于X线、CT、B超、核磁共振这些常用的影像学检查，很多人分不清楚。本文把身体比作食物，告诉你这些检查如何发挥不同的作用。 　　X光：像把面包压扁了看 　　 　　X光会穿过人体，遇到被遮挡的部位，底片上不会曝光，洗片后这个部位就是白色的。 就像一片面包或一块棉花，看不到里面的纤维纹理，但用手压瘪了会清晰一些。X光最大缺点是受制于深浅组织的影像相互重叠和隐藏，有时需要多次多角
医学超声图像小型数据集_转移学习用于超小型生物医学数据集中的分类
weixin_26750481的博客
08-27 2450
医学超声图像小型数据集Do you see cancer in the mammogram above? If you’re struggling, don’t worry, you’re not alone. Biomedical imagery is a domain where computer vision and artificial intelligence could be bett...
AI医学诊断基础-CT扫描、核磁共振成像(MRI)、拍X光、拍胸片、做B超/彩超等常规检查的介绍、原理、医学影像示例(持续跟新和答疑。。。)
巨魔战将
05-26 3600
CT扫描 (Computed Tomography，CT) CT也称 CT扫描，是外科室的主要探查手段之一，对于层级较多的组织，采用CT较为合适，比如颈部、胸部、骨骼、肿瘤等通常会采用CT扫描。 CT意为X线计算机断层摄影，是用X线束对人体某部进行断层扫描，获得人体被检部的断面或立体图像。CT可以提供人体被检查部位的完整三维信息，可使器官和结构清楚显影，清楚地显示病变。就像把一片面包切成片来看。 CT成像原理   CT是用X射线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面 的X射线，转
24、医学图像分割方法：子宫与海马体的创新探索
k9l0m1的博客
05-07 34
本文介绍了两种医学图像分割方法的创新研究成果：一种是用于单目腹腔镜图像中子宫的全自动分割方法，具有高准确性、速度和稳定性；另一种是基于字典进化的多图谱分割渐进式标签融合框架，用于海马体分割，有效弥补了图像域与解剖标签域之间的差距。两种方法在各自的应用场景中均表现出色，并具有广泛的临床和科研应用前景。未来，这些方法有望通过结合GPU加速、工具分割技术以及更广泛的任务适配，进一步提升性能和实用性。
2、医学图像分割技术全解析
最新发布
t4y5u6i7o的博客
10-17 13
本文系统解析了医学图像分割中的关键技术，涵盖形状特征的应用、组合形状与外观边缘及尺度空间特征的利用，以及主流分割方法。重点介绍了形状先验模型的构建与应用，详细分析了强度和纹理边缘检测、Hough变换、分水岭算法等边缘处理技术，并探讨了基于规则的分割（如阈值法、区域生长）和最优统计推断方法（如概率密度模型、MGRF与CRF模型）的原理、优势与局限。文章强调根据不同医学图像特点选择合适分割策略的重要性，为计算机辅助诊断提供理论支持和技术参考。
机器学习_深度学习毕设题目汇总——医学图像分割
MetaGrad的博客
02-09 3825
下面是该类的一些题目： 题目 医学图像分割算法研究 医学图像分割算法研究及应用 医学显微细胞图像分割研究 基于U-Net框架的医学图像分割若干关键问题研究 基于多统计信息的形变模型医学图像分割 腹部CT图像分割的可计算建模方法研究 CBCT牙齿图像分割与三维重建 Level Set模型及其在医学图像分割中的应用研究 全卷积神经网络算法及其在肺部肿瘤图像分割上的应用研究 前列腺核磁共振图像分割算法的研究与实现 医学图像分割与测量深度学习算法研究及应用
23、医学图像分析：3D梗死心脏微血管与子宫自动分割研究
k9l0m1的博客
05-06 37
本博文聚焦于医学图像分析的两个重要研究方向：3D梗死心脏微血管的变化量化和单目腹腔镜图像中子宫的自动分割。在3D梗死心脏微血管研究中，利用分形维数、空隙率和连通性等指标，结合统计方法（如MANOVA和Wilcoxon秩和检验）对心肌梗死后不同时间点的微血管变化进行了系统分析，并通过分类器验证了指标的有效性。对于子宫自动分割，提出了一种完全自动化的方法，结合基于2D可变形部件模型的器官检测和条件随机场的能量优化，在无需3D模型的情况下实现了高精度分割。研究成果为心肌梗死病理研究和计算机辅助手术提供了重要的技术
在计算机辅助治疗中使用形状相关性对子宫肌瘤超声图像进行主动轮廓分割
05-19
根据提供的文件信息，我们可以提取以下关于使用形状相关性对子宫肌瘤超声图像进行主动轮廓分割的研究知识...这项研究不仅对子宫肌瘤的治疗提供了新的思路，也为未来在其他类型的医学图像分割研究奠定了理论和实践基础。
精选资源
基于Swin-Transformer和Unet 自适应多尺度训练、多类别分割、迁移学习：医学图像子宫颈细胞核分割
04-25
基于Swin-Transformer和Unet 项目、自适应多尺度训练、多类别分割、迁移学习：子宫颈细胞核分割（2类别分割） 项目介绍：总大小200MB 网络仅仅训练了50个epochs，全局像素点的准确度达到0.92，miou为0.767。训练...
判断CUDA和CUDNN是否安装成功并正常使用
热门推荐
DvLee
10-28 3万+
最近又捡起YOLOv3来练练手，检测医学B超图像。 重新搭建环境，由于网速时快时慢，搭建起来相当痛苦，最终还是搭建完成了。 下面分享下如何判断CUDA是否正常使用。 正文 一、判断安装情况 首先是判断cuda是否安装成功。 一般安装路径为/usr/local/cuda 使用nvcc -v命令可以输出cuda版本 然后是判断cudnn，这个库安装很简单，只需把cudnn的include和lib64里面的文件拷到cuda相应目录即可，所以判断是否安装的方式是，到cuda的include和lib64，用ls |
如何标注mask用于图像分割模型训练（VIA标注semantic segmentation数据集的mask）
DvLee
06-25 2万+
近几年深度学习发展非常迅猛，深度学习用于图像识别、分割等方面效果非常好，像mask rcnn这类的网络已经可以做到对象分割了（instance segmentation）。 训练图像分割模型，需要标注大量mask图片，而网上找到的标注工具只能导出json文件，今天分享下如何把json文件转化成mask 图片。 首先，使用VIA标注工具，标注物体轮廓，导出json文件。json文件里包括了图片中物体...
如何把Tensorflow模型转换成TFLite模型
DvLee
06-30 9530
深度学习迅猛发展，目前已经可以移植到移动端使用了，TensorFlow推出的TensorFlow Lite就是一款把深度学习应用到移动端的框架技术。 使用TensorFlowLite 需要tflite文件模型，这个模型可以由TensorFlow训练的模型转换而成。所以首先需要知道如何保存训练好的TensorFlow模型。 一般有这几种保存形式： Checkpoints HDF5 SavedM...
如何在PC端测试转换后的TFLite模型
DvLee
06-30 5841
上篇讲述如何把tensorflow模型转换成tflite模型，用于部署到移动端。 这篇分享如何在PC端对tflite模型进行预测，测试模型是否可用 首先，加载tflite模型，查看模型的输入输出 import numpy as np import tensorflow as tf import cv2 # Load TFLite model and allocate tensors. inter...
windows环境下安装CUDA（用GPU训练Tensorflow-YOLOv3）
DvLee
07-19 4009
今天终于搞到一台带1080独显的PC，之前一直用CPU训练，效率极其低下。训练tensorflow-yolov3这个网络模型，图集400张，4个分类，要训练十多个小时才能看到检出效果，现在可以尝试使用GPU训练了。 之前对GPU训练还不太了解，以为要改代码，现在才知道，其实不需要的。 关键就是搭建好cuda环境 NVIDIA显卡驱动 （https://www.nvidia.cn/Downloa...
隔空控物——基于YOLOv5的手势识别
DvLee
08-11 2522
先占坑，有空补回来 隔空控物，用Yolov5训练的手势识别
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DvLee1024

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值