私密糖网 3D-Unet知识点记录

麻花地

已于 2022-11-28 15:22:51 修改

阅读量1.2k

点赞数 1

分类专栏：深度学习深度学习框架经典论文阅读文章标签： 3d 深度学习人工智能

于 2021-12-19 15:07:05 首次发布

本文链接：https://blog.csdn.net/charles_zhang_/article/details/122024278

版权

经典论文阅读同时被 3 个专栏收录

75 篇文章 15 订阅

订阅专栏

深度学习

74 篇文章 6 订阅

订阅专栏

深度学习框架

52 篇文章 4 订阅

订阅专栏

3d Unet Diagnosis and referral in retinal disease（3D Unet眼底病变诊断和分级）

we apply a novel deep learning architecture to a clinically heterogeneous set of three-dimensional 
optical coherence tomography (OCT) scans from patients referred to a major eye hospital. We 
demonstrate performance in making a referral recommendation that reaches or exceeds that of experts 
on a range of sight-threatening retinal diseases after training on only 14,884 scans. Moreover, we 
demonstrate that the tissue segmentations produced by our architecture act as a device-independent 
representation; referral accuracy is maintained when using tissue segmentations from a different type of 
device.

我们应用一种新型的深度学习架构，对一家大型眼科医院的患者进行临床异质三维光学相干断层扫描(OCT)。我们仅通过14884次扫描训练，就一系列威胁视力的视网膜疾病提出了达到或超过专家推荐的转诊建议。此外，我们证明了由我们的建筑产生的组织片段作为一个设备独立的表现;当使用来自不同类型设备的组织分割时，转诊的准确性得以保持。

需要寻找的问题

怎么做的？

设备1数据训练网络模型

补充图14 |我们方法第一阶段使用的3D U-Net模型。在训练时，模型接收9个连续的OCT切片。蓝色框显示4D激活图。彩色箭头代表不同的操作。

设备1+设备2数据训练网络模型（设备分支网络）

补充图15 | 2型装置的2分支U形网。我们的分段网络的架构包括“设备适配分支”，用于分段设备类型2的扫描。在左上角，我们展示了与设备类型1的原始架构相比的差异的放大版本（如所示）补充图14). 蓝色框显示了4D激活图，其通道数如下所示。绿色箭头表示卷积运算。我们对设备类型1和设备类型2的扫描进行训练，但在z维中对设备类型1的扫描进行子采样，以匹配设备类型2的较低z分辨率。根据扫描来自哪个设备，扫描首先通过设备类型1的顶部分支，或设备类型2的底部分支。然后将所选分支的输出用作原始体系结构第一级分析路径的修改版本的输入。体系结构的其余部分是相同的。

分类网络结构（3dcnn网络结构--DenseNet）