![](https://img-blog.csdnimg.cn/2019091813595558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
医学图像
文章平均质量分 86
夏木夕
这个作者很懒,什么都没留下…
展开
-
(KiTS19-肾肿瘤分割挑战赛——第七名)Multi Scale Supervised 3D U-Net for Kidney and Tumor Segmentation
U-Net在各种医学图像分割挑战中取得了巨大成功。一些新的、带有花里胡哨功能的架构可能在某些数据集中在使用最佳超参数时取得成功,但它们的泛化性能无法保证。在这项工作中,我们专注于基本的U-Net架构,并提出了一种多尺度监督的3D U-Net,用于KiTS19挑战中的分割任务。为了提高性能,我们的工作可以总结为三个方面:首先,在解码器路径中使用多尺度监督,可以鼓励网络从深层预测正确的结果;其次,为了缓解肾脏和肿瘤样本不平衡的不良影响,我们采用了指数对数损失;第三,设计了一种基于连通组件的后处理方法。原创 2023-10-14 21:22:19 · 564 阅读 · 0 评论 -
nnunetv2训练报错 ValueError: mmap length is greater than file size
但是使用 3d_cascade_fullres 和 3d_fullres 训练。笔者在使用 nnunetv2 进行 KiTS19肾脏肿瘤分割实验的训练步骤中。使用 2d 和3d_lowres 训练都没有问题。nnunet 作者给出的解决办法,进入指定文件夹中,执行。原创 2023-10-13 19:10:16 · 1650 阅读 · 6 评论 -
MIA文献阅读 ——医学图像处理在慢性肾脏疾病评估中的最新进展【2021】
准确评估肾脏功能和结构对慢性肾脏疾病(CKD)的诊断和预后至关重要。先进的成像技术,包括磁共振成像(MRI)、超声弹性成像(UE)、计算机断层扫描(CT)和显像(PET、SPECT),提供了无创检索结构、功能和分子信息的机会,可以检测肾脏组织特性和功能的变化。目前,人工智能将传统医学成像转变为全自动诊断工具的能力得到了广泛的研究。除了对肾脏医学成像进行定性分析外,纹理分析与机器学习技术相结合,作为肾脏组织异质性的量化,为肾功能衰退预测提供了一个有希望的补充工具。原创 2023-08-25 16:09:42 · 425 阅读 · 0 评论 -
MIA文献阅读 —— 深度学习在医学图像分析中的最新进展及临床应用【2022】
深度学习在开发新的医学图像处理算法方面获得了广泛的研究兴趣,基于深度学习的模型在各种医学成像任务中非常成功,以支持疾病检测和诊断。尽管取得了成功,但深度学习模型在医学图像分析中的进一步改进主要是由于缺乏大规模和良好注释的数据集。在过去的五年中,许多研究都集中在解决这一挑战上。在本文中,我们对这些最新的研究进行了回顾和总结,以提供深度学习方法在各种医学图像分析任务中的应用的全面概述。重点介绍了基于分类分割检测和图像配准等不同应用场景的无监督和半监督深度学习在医学图像分析中的最新进展和贡献。我们还讨论了。原创 2023-08-25 16:09:29 · 1952 阅读 · 0 评论