Bug_Oreo-CSDN博客

原创 SAM-Med3D论文阅读笔记

尽管SAM在2D自然图像分割上取得了令人惊叹的成果，但是其在3D体素医学图像的分割上的应用仍然存在重大的缺陷，也就是次优性能以及不稳定的预测。该问题很难通过在医学图像数据集中微调SAM来解决，因为原有的SAM 2D结构本身就忽略了3D空间信息。因此本文提出了SAM-Med3D, 用与3D医学图像分割的修改版SAM的最全面研究。首先，通过全面地将SAM重新制定为在全面处理的大规模体积医学数据集上训练的彻底的3D架构。其次，提供了关于其性能的全面评估。

2024-04-25 17:54:22 608 1

原创 MedMamba论文阅读笔记

由于CNN在医学图像细粒度特征提取时会受到限制，同时Transformer也同样受制于二次方的计算复杂度。最近的研究表明由Mamba表示的SSM模型可以高效的建模大范围的交互，同时也可以维持线性的计算复杂度。受SSM模型的启发，我们提出了用于医学图像分割的Vision Mamba模型（MedMamba该模型中最核心的模块就是Conv-SSM模块，该模块结合了卷积层的局部特征提取能力与 SSM捕捉大范围依赖性的能力。

2024-04-25 09:16:16 569

原创 Mutual consistency learning for semi-supervised medical image segmentation代码采坑(二) ---LA数据集部分

再回头去看train_mcnet_3d.py中，在dataset中的class LAHeart里的get_item属性里面的逻辑发现还是不对，因为该行代码是要在DataLoader中迭代的进行读取，而非该预处理中生成的这个一个h5文件就可满足，因此错不在此。由于github上源码data中的LA部分并不完整，而在运行train_mcnet_3d.py中，在dataset中的class LAHeart里的get_item属性中的这一行报错，采坑记录。仔细看才发现在该路径下存在LA预处理的一个py文件。

2024-04-05 13:53:35 248 1

原创 Mutual consistency learning for semi-supervised medical image segmentation代码采坑(一)

源码直接拿过来用中存在相对地址报错问题，以下是解决过程。

2024-03-28 23:46:50 149 1

原创 Mutual consistency learning for semi-supervised medical image segmentation 论文阅读笔记

用有限数据训练出的model在医学图像模糊区域的书橱往往具有高度不确定以及容易分割错误。因此提出了本文的模型MC-NET+。论文代码提出了MC-NET+的网络来利用未标注的数据进行半监督的医学图像分割。这个网络模型包含两个主要创新点: 1. 模型包含一个共享的encoder以及多个在上采样阶段略有不同的decoder。多decoder输出的计算用于表示模型的不确定性，也就相当于代指了未标注的hard区域。

2024-03-20 14:33:15 976

原创【SAM用于医学公共数据集———CHAOS（CT部分）】

本文旨在将该论文[Segment Anything Model for Medical Images?]中的实验进行复现,GitHub源码。在此代码基础上进行相应的修改来满足对CHAOS数据集的适应，主要内容就是CHAOS数据在该GitHub上的预处理过程。PS: 本文代码进处理了CHAOS/CT/1这个文件夹的dcm文件。后续再发一个处理所有文件（即CT下所有以数字命名的文件）的预处理过程。提示：以下是本篇文章正文内容，下面案例可供参考。

2024-03-11 15:58:01 389

原创 [格式转换 DCM2PNG| Python]

本文旨在将该CT文件夹下的所有文件中DICOM_anno里的.dcm文件转换成png文件并存储在与DICOM_anno同一路径下的images文件夹中。

2024-03-09 10:17:41 133

原创 SAM之MaskDecoder总结(个人研究)

SAM模型主要由三部分组成，本文旨在结合代码的方式对其中mask decoder进行详细的描述与总结，不足之处还望多多指教mask decoder模块可以高效的将image embeddings与prompt embeddings映射到一个output mask中。

2024-03-07 09:52:44 1448

Bug_Oreo的博客