Paper
文章平均质量分 91
K.SHI
在读学生~ 小菜鸡一枚,欢迎一起交流学习~
展开
-
科研与英文学术论文写作指南——于静老师课程
中科院于静老师的课言语英文学术论文写作指南原创 2024-07-03 21:50:24 · 393 阅读 · 0 评论 -
Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in X-rays
本文提出了一个来融合全局图像信息以及局部radiomics指导的辅助信息,使用Radiomics-Guided进行弱监督胸部X光图像分类和定位任务。image Transformer branck(使用self-attention,来提取一个bbox用于计算radiomic特征)原创 2023-04-17 14:36:26 · 260 阅读 · 0 评论 -
Learning to Exploit Temporal Structure for Biomedical Vision–Language Processing(未完)
之前的医学视觉语言预训练模型依赖于对齐单一的图像和文本对,但是临床注释通常对比先前的图像,这不仅导致模式之间的一致性较差,而且错过了通过数据中现有的时间序列上下文进行丰富的自我监督的机会。的自监督模型,考虑了prior images,兼容了单图像以及多图像,一种通用的多图像编码器,可处理丢失的图像输入,并包含纵向信息,无需明确的图像配准。本篇文章与ECCV2022的MS-CXR来自于相同的作者团队,与MS-CXR不同的是,本篇文章引入了时间序列图像构造视觉-语言预训练模型。同时,本文提出了一个用于。原创 2023-04-13 08:29:01 · 333 阅读 · 0 评论 -
Longitudinal Change Detection on Chest X-rays Using Geometric Correlation Maps
在胸部X-ray图像的诊断中,医生会考虑与先前检查相比病变的可能变化。本文的目标是对一个病人的两张不同时期的图像检测其中病变的纵向变化。原创 2023-04-10 21:21:10 · 411 阅读 · 0 评论 -
Multi-Granularity Cross-modal Alignment for Generalized Medical Visual Representation Learning
在Instance-level这部分并没有创新,和之前的文章类似,借鉴于SimCLR,就是让image-report pairs在latent space中更接近,让其它的负样本对更远。考虑到在优化全局实例表示时可能会忽略这些重要的细微线索,我们引入了一个有效的基于双向交叉注意力的Token-wise Alignment(CTA)模块,以明确匹配和对齐医学图像和放射学报告之间的跨模态局部表示。这里仍然分为两部分,一个是Image-to-text,另一个是Text-to-image,原创 2023-02-28 14:07:30 · 727 阅读 · 0 评论 -
Chest ImaGenome Dataset for Clinical Reasoning
Chest ImaGenome dataset包含两个方向,一是用于自动生成的场景图(“silver_dataset”),242, 072 scene graphs 自动生成来自于 217013 unique CXR studies。另一个用于手动验证和校正的500个唯一患者子集(“gold_dataset)。本文的目标是不仅局部标记与CXR图像上的关键解剖位置相关的属性,而且能从大量CXR报告中提取记录的放射学知识,以辅助未来语义驱动和多模态临床推理工作。的方法提取bbox来构造anatomies;原创 2023-04-06 20:44:54 · 647 阅读 · 0 评论 -
AGXNet: Anatomy-Guided Weakly-Supervised Abnormality Localization in Chest X-rays
这里的opacity即是observation,lung为ananatomy,right lower为修饰lung。由于内在的歧义性,CXR报告中提到了肺炎的视觉线索,如不透明或实变,但由于报告过程中的人为因素,可能无法明确确定肺炎是一种诊断。,其中可以通过一小组具有高置信度标签(阳性或阴性)的样本,以及大量未标记的数据,这些数据由混合比例未知的阳性和阴性样本混合而成。最后的Loss由两部分组成,Na, No 为 anatomy and observation labels 在训练中使用的数量。原创 2023-03-20 20:42:47 · 439 阅读 · 0 评论 -
AnaXNet: Anatomy Aware Multi-label Finding Classification in Chest X-ray
本文提出的多标签胸部X-ray分类模型能够准确对图像进行分类并且定位正确的解剖学区域原创 2023-04-05 13:05:07 · 516 阅读 · 1 评论 -
Token Contrast for Weakly-Supervised Semantic Segmentation
受ViT中提出的class tokens能聚合高层语义的启发,设计了CTC模块促进局部非显著区域和全局对象之间的表示一致性,这可以进一步强制CAM中激活更多的对象区域。本文提出的ToCo在ViT encoder中使用一个辅助的分类层来产生辅助的CAM,辅助CAM生成生成伪标签并指导PTC模块。最终的CAM来自于一个分类层并用于生成最后的伪标签。为了抵消裁剪的局部图像可能包含很少/不包含前景对象,最大化全局图像和局部背景区域的class tokens之间的差异,也可以促进前景-背景的差异。原创 2023-04-09 15:00:43 · 843 阅读 · 0 评论