Lifespan Brain MR 图像分割的知识引导式提示学习

文章目录

  • [Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation](#Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation)

Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation

摘要

背景: 在整个生命过程中,对脑部MR图像进行自动且精准的组织与结构分割,对于理解脑发育过程和疾病诊断至关重要。然而,由于早期脑发育的快速变化、衰老及疾病导致的复杂形态变异,以及手动标注数据的有限性,该任务面临诸多挑战。

目的: 针对这些问题,提出了一种基于知识引导提示学习(KGPL)的两步分割框架,以提升脑部MRI分割的准确性和鲁棒性。

方法: 该框架首先在大规模但标注质量欠佳的数据集上预训练分割模型,随后将从图像-文本对齐中学习到的知识驱动嵌入引入模型。通过知识感知提示(knowledge-wise prompts),模型能够捕捉解剖变异与生物过程之间的语义关系,从而学习适用于不同年龄群体的结构特征嵌入。

结果: 实验结果表明,该方法的优越性和鲁棒性尤为突出,特别是在采用Swin UNETR作为主干网络时表现最佳。该方法在脑组织和脑结构分割任务上的平均DSC值分别达到95.17%和94.19%。代码已公开,链接为 https://github.com/TL9792/KGPL

方法

图 1. 将知识引导的提示学习 (KGPL) 用于整个生命周期的脑部 MRI。上半部分显示了源域上的视觉预训练,下半部分显示了预训练模型的细化,并在目标域上提供了知识提示。采用从源域学习的权重来初始化目标域的模型,在冻结编码器的同时仅更新可学习的参数和解码器。

实验结果




相关推荐
希望奇迹很安静1 小时前
SSRF_XXE_RCE_反序列化学习
学习·web安全·ctf·渗透测试学习
悦悦子a啊1 小时前
Python之--字典
开发语言·python·学习
kmjyccc2 小时前
生活毫无头绪就毫无头绪吧(7.24)
学习·生活
heyilunv3 小时前
昇思学习营-Deepseek-r1-distill-qwen-1.5b模型开发与适配课程内容和学习心得
学习
胡耀超3 小时前
我们如何写好提示词、发挥LLM能力、写作指南:从认知分析到动态构建的思维方法
人工智能·python·学习·大模型·llm·提示词·八要素思维
waveee1233 小时前
学习嵌入式的第三十一天-数据结构-(2025.7.23)网络协议封装
学习
冷崖4 小时前
Redis缓存策略以及bigkey的学习(九)
redis·学习·缓存
墨染枫5 小时前
pytorch学习笔记-使用DataLoader加载固有Datasets(CIFAR10),使用tensorboard进行可视化
pytorch·笔记·学习
武昌库里写JAVA5 小时前
vue+iview+i18n国际化
java·开发语言·spring boot·学习·课程设计
蓝桉8025 小时前
opencv学习(图像梯度)
人工智能·opencv·学习