本研究提出了一种基于深度学习的自动化心肌梗死分割框架，利用二维和三维卷积神经网络分析心脏磁共振图像。结果显示，自动分割的梗死体积与人工分割高度一致，且专家评估认为自动分割更准确，具有临床应用潜力。

本研究提出了一种新型3D UNet架构，结合空间注意力机制，以提高儿童胶质瘤的自动分割精度，减少周围组织干扰，促进临床决策。

本研究提出了一种利用MRI肿瘤标注信息改善术中超声图像中脑肿瘤自动分割的方法。实验结果表明，该模型在肿瘤识别方面表现良好，但对小肿瘤的分割效果仍需改进。

本研究提出了一种基于nnU-Net框架的自动分割方法，用于低收入和中等收入国家的缺血性中风检测。该方法在非对比计算机断层扫描图像中取得了显著的Dice得分和IoU得分，帮助临床医生更好地评估病灶并指导治疗。

本文介绍了一种基于扩张卷积神经网络的自动分割方法，专用于先天性心脏病患者的心血管磁共振图像。研究表明，该方法在处理解剖变异时表现优异，并在少量标注图像训练中优于完全监督网络。通过多任务学习和自监督预训练，提升了心脏MR图像分割的准确性和可重复性，推动了心脏影像学研究的发展。

本文介绍了一种名为“Crossbar-Net”的新型自动分割方法，利用非正方形补丁和级联卷积神经网络进行肾肿瘤分割，表现优于现有方法。研究探讨了深度学习在肾脏肿瘤识别、分割及预测存活概率中的应用，提出了可解释的分割框架，提升了分割准确性和临床应用潜力。

研究提出了一种自动分割多发性硬化病灶的MRI扫描方法，利用新标注数据集和卷积神经网络技术，实现无需用户干预的稳健检测。该方法结合领域适应性、注意力机制和联邦学习，提升了分割精度和鲁棒性，为多发性硬化症的监测和诊断提供了新工具。

该研究探讨了使用3D Residual UNet模型和广义Dice焦点损失函数在PET/CT扫描中自动分割癌性病灶的有效性。经过5折交叉验证，平均Dice相似系数为0.6687，显示了该模型在图像分析中的潜力。

本文介绍了胎儿脑部磁共振成像（MRI）技术的研究进展，包括自动分割、流线重建和深度学习方法。研究提出了新的算法和框架，以提高胎儿脑部结构分析的准确性和可靠性，尤其是在处理病理和非病理数据时。通过条件隐式神经图谱（CINA），研究展示了对胎儿脑部解剖变异的建模能力，并在正常与病理性大脑的MRI数据上进行了评估。

本文介绍了一种新型心脏磁共振成像（MRI）技术，结合深度学习和k空间信息，实现高效的图像重建和自动分割。研究表明，该方法在不同欠采样因子下优于传统模型，提高了诊断准确性并减少了处理时间，具有实际应用价值。

研究人员利用卷积神经网络和生成对抗网络，提高了MRI脑肿瘤自动分割的准确性，并预测病人生存时间。新提出的合成框架减少了对大型标注数据的依赖，展示了在不同数据集上的稳定性能。这一进展有望推动医学影像分析在临床中的应用，尤其是在中风病理学研究方面。

本文介绍了多种基于卷积神经网络（CNN）的自动分割方法，主要用于多发性硬化症的影像分析。这些方法在不同数据集上表现优异，能够准确分割白质病变和灰质结构，提高了临床检测的效率和可靠性。同时，研究探讨了深度学习在医学图像分割中的可解释性问题，并提出了增强模型透明度和决策支持的新算法。

本研究提出了一种深度学习框架，用于胸部CT图像中器官的自动分割，取得了91.57%的Dice得分。研究探讨了3D U-Net架构与卷积神经网络、图神经网络结合的方法，并通过设定阈值自动识别失败案例，以提升放射治疗的效率和安全性。

本研究开发了一种基于深度学习的模型，能够自动识别MRI中的人类大脑结构和异常。该模型通过高分辨率数据训练，具备高效准确的大脑皮层重建、分割和厚度估计能力，适用于不同分辨率和脉冲序列的MRI扫描。研究还展示了该技术在解剖分割中的优越性，并提供了公开数据库以支持多种自动分割算法的评估。

本文介绍了脑肿瘤磁共振成像（MRI）中的自动分割和图像合成技术，建立了BraSyn基准，利用生成对抗网络合成缺失的MRI序列，以提高诊断准确性。提出的可解释综合网络在BraTS2021数据集上表现优异，展示了深度学习在医学影像中的潜力。

COVID-19大流行病反应凸显了深度学习方法在通过CT对肺部疾病进行自动分割的潜力。研究使用多态训练优化了一个网络，结合6000多个手动和自动标签的CT扫描，开发了一种用于肺部、气道、肺动脉和肺病变分割的端到端方法。在地面玻璃浑浊度和病变分割方面取得了最先进的性能。提供了开源实现。

本文介绍了一种基于纹理和血管特征的混合深度学习网络（TS-SHDL），用于自动分割脑物质，并通过条件随机场（CRF）实现分割。实验结果表明，TS-SHDL网络在MR影像分割方面具有优势和卓越性能。

该论文提出了一种新的方法，利用 CT 扫描的数据生成物理模拟的超声图像，并通过端到端的训练实现超声图像合成和自动分割。该方法在主动脉和血管分割任务上有很好的定量结果，并在其他器官上进行了优化图像表示的定性结果评估。

该文介绍了两种软件工具，一种用于半自动注释和分割腺病毒，另一种用于自动分割和检测TEM成像系统中完整腺病毒。该工具可以应对非完整病毒背景的挑战，并且真正阳性的检测率非常出色。