AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：候選CVPR 2024最佳論文！深圳大手香港理工發(fā)布MemSAM：將 「分割一切」模型用于醫(yī)學(xué)視頻分割
關(guān)鍵字：記憶,圖像,超聲,模型,向量
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

作者：梅菜
編輯：李寶珠，三羊
深圳大學(xué)計(jì)算機(jī)與軟件學(xué)院和香港理工大學(xué)智能健康研究中心聯(lián)合提出了一種新穎的超聲心動(dòng)圖視頻分割模型 MemSAM，與現(xiàn)有模型相比展示了最先進(jìn)的性能。根據(jù)世界衛(wèi)生組織 (WHO) 的統(tǒng)計(jì)數(shù)據(jù)，心血管疾病是全球死亡的主要原因，每年奪走約 1,790 萬人的生命，占全球死亡人數(shù)的 32%。超聲心動(dòng)圖是用于心血管疾病的超聲診斷技術(shù)，由于其便攜性、低成本和實(shí)時(shí)性，被廣泛應(yīng)用于臨床實(shí)踐。然而，超聲心動(dòng)圖需要有經(jīng)驗(yàn)的醫(yī)生進(jìn)行人工評估，且評估質(zhì)量很大程度上依賴于醫(yī)生的專業(yè)知識與臨床經(jīng)驗(yàn)，這導(dǎo)致評估結(jié)果常常會出現(xiàn)較大的觀察者間和觀察者內(nèi)差異 (inter- and intra-observer differences)。因此，臨床實(shí)踐迫切需要自動(dòng)化的評估方法。
近年來，許多深度學(xué)習(xí)方法被提出用于超聲心動(dòng)圖視頻分割。然而，由于超聲視頻質(zhì)量低且注釋有限，這些方法仍無法取得令人滿意的結(jié)果。近期，一個(gè)大型視覺模型——Segment Anything Model (SAM) 受到了高度關(guān)注，在許多自然圖像分割任務(wù)中取得了顯著成功，但如何將 SAM 應(yīng)用于醫(yī)學(xué)視頻分割仍是一項(xiàng)頗具挑戰(zhàn)性

原文鏈接：候選CVPR 2024最佳論文！深圳大手香港理工發(fā)布MemSAM：將 「分割一切」模型用于醫(yī)學(xué)視頻分割

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：HyperAI
作者簡介：解構(gòu)技術(shù)先進(jìn)性與普適性，解讀更前沿的 AIForScience 案例