医学图像分割论文:FocusNet: Imbalanced Large and Small Organ Segmentation with an e2e DNN for Head CT

最新推荐文章于 2024-07-08 17:16:43 发布
最新推荐文章于 2024-07-08 17:16:43 发布
阅读量757 收藏 1
点赞数
分类专栏： 医学图像处理论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jlch5555/article/details/107974389
版权
FocusNet是一种端到端的深度神经网络，针对医学图像中头颈CT的器官分割，特别是解决大、小器官类别不平衡的问题。该网络包括主分割网络S-Net、小器官定位网络SOL-Net和小器官分割网络SOS-Net。S-Net使用改进的3D Unet结构，避免信息丢失。SOL-Net生成小器官中心位置的热力图，SOS-Net借助ROI-pooling进行分割，缓解标签不平衡。损失函数结合dice和focal损失，提高分割效果。
摘要由CSDN通过智能技术生成

医学图像分割论文:FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural Network for Head and Neck CT Images

Auther: Yunhe Gao, Institution: SenseTime Research, Publish year: 2019
论文地址：https://arxiv.org/abs/1907.12056v1

Key point:

提出了一种e2e医学图像分割框架，用于头颈部CT的危及器官（OAR）勾画，用于解决不同器官类别不平衡的问题
可以实现自动定位，ROI-pooling，小器官分割子网络，一次实现对大器官和小器官的分割

method：

在这里插入图片描述

Fig1 Focus-net

  1. 主分割网络：S-Net
    3D-Unet在OAR分割中表现较差的原因，
最低0.47元/天 解锁文章
Gradient Boosting for Imbalanced Data: Advanced Techniques and Solutions
AI天才研究院
12-23 43
【代码】Gradient Boosting for Imbalanced Data: Advanced Techniques and Solutions。
[MICCAI2019] FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural
xby的学习笔记存档处
08-20 1825
FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural Network for Head and Neck CT Images 作者信息： Yunhe Gao ，商汤 Hongsheng Li 大佬，CUHK 针对医学影像多类别分割任务的一个痛点，分割label不平衡。本文具体指头...
医学影像分割论文合集
如果想成为中心，那么就到中心去吧。
02-24 1561
文章目录2020Automatic Label Correction for the Accurate Edge Detection of Overlapping Cervical Cells2021Contour Proposal Networks for Biomedical Instance Segmentation 2020 Automatic Label Correction for the Accurate Edge Detection of Overlapping Cervical Cells
医疗影像分割论文学习（一）
qq_25359437的博客
07-15 352
医疗影像分割论文学习（一） 1.Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation 论文时间：2018 论文数据集 视网膜血管（DRIVE, STARE, and CHASH_DB1） 皮肤癌（Kaggle competition） 肺损伤分割（Lung Nodule Analysis (LUNA)） 简介：提出了一种基于U-Net的循环卷积
Focal-UNet
weixin_43921949的博客
12-25 640
Focal-UNet
[FocusNetv2] Imbalanced large and small organ segmentation with adversarial shape constraint for ...
sinat_30618203的博客
06-25 458
1、任务 分割鼻咽癌放疗的危及器官 2、难点 1）复杂的解剖结构（视神经交叉的X形） 2）器官边界对比度低 3）器官大小的极端不平衡（百倍的大小差异） * 主要是小器官的精准分割 3、思路 医生在标定时， 1）大器官：直接标定 2）小器官：先进行粗定位，然后放大图像，进行精准的分割 3）边界模糊：通常根据对器官的先验知识，适配mask 4、网...
FocusNetv2: Imbalanced large and small organ segmentation with adversarial shape constraint for head
Acmer_future_victor的博客
04-02 1096
FocusNetv2: Imbalanced large and small organ segmentation with adversarial shape constraint for head and neck CT images 发表时间：2021 发表期刊：Medical Image Analysis
python医学图像分割_基于各种挑战的SOTA医学图像分割方法
weixin_42452642的博客
12-30 1535
State-of-the-art medical image segmentation methods based on various challenges! (Updated 202003)ContentsHead2020 ICIAR: Automatic Lung Cancer Patient Management (LNDb) (LNDb)2019 MICCAI: Multimodal B...
基于深度学习的医学图像分割（Medical Image Segmentation Using Deep Learning: A Survey）
Archer的博客
04-12 1268
Medical Image Segmentation Using Deep Learning: A Survey 基于深度学习的医学图像分割：一个调查 论文地址：https://arxiv.org/abs/2009.13120 摘要 文章不同与其他文章： a. 由粗到细进行分类（其他：分组详细介绍） b. 主要研究监督和弱监督学习方法 对监督学习方法，从三方面分析 a. 主干网络的选择 b. 网络模块的设计 c. 损失函数的优化 对弱监督学习方法 a. 数据增强 b. 迁移学习 c.
【论文阅读】医学图像分割
qq_33290813的博客
06-28 1808
双分支残差网络（DB-ResNet），集成了两种新方案，以提高模型的泛化能力：1）提出的模型可以同时捕获CT图像中不同结节的多视图和多尺度特征；2）我们结合了强度和卷积神经网络（CNN）的特征。我们提出了一种池化方法，称为中央强度池层（CIP），提取块的中心体素的强度特征，然后使用CNN获得块的中心体素的卷积特征。另外，我们设计了基于结节边界的加权采样策略，以使用加权得分选择那些体素，以提高模型的准确性。所提出的方法已在包含986个结核的LIDC数据集上得到了广泛的评估。实验结果表明，DB-ResNet在数
DNN-Image-Classification:深度神经网络的图像分类
04-01
DNN图像分类 深度神经网络的图像分类
MATLAB Colormap医学影像热力图的叠加显示
GIS热爱者
11-26 2610
MATLAB图像处理，通过colormap显示将医学影像热力图，基于图像掩膜处理等操作，并将医学影像热力图的部分叠加至灰度图像上进行最终的显示。
FocusNet multi-warm label
llf000000的博客
04-15 329
是一种标签机制，用于捕捉和利用在分类任务中各个类别之间的潜在混淆。在普通的多类分类问题中，通常使用单热编码（one-hot encoding）标签，其中每个标签是一个向量，只有一个元素是1（表示真实类别），其余都是0。这种编码方式虽然简单明了，但它忽视了类别间的潜在关系，特别是在类别易混淆时。
I 2U-Net：具有丰富信息交互的双路径 U-Net 用于医学图像分割| 文献速递-基于深度学习的多模态数据分析与生存分析
最新发布
weixin_38594676的博客
07-08 997
在计算机视觉领域，医学图像分割是一个主要挑战，例如皮肤镜图像中的皮肤病变分割（Dai等，2022年）、结肠镜图像中的息肉分割（Fan等，2020年）、磁共振图像中的脑肿瘤分割（Wang等，2021年）以及腹部CT图像中的多器官分割（Cao等，2021年）。这些分割结果提供了关于解剖区域的宝贵信息，有助于详细分析和帮助医生准确描绘损伤、监测疾病进展，并评估适当治疗的需求。随着对智能医学图像分析需求的增加，精确而稳健的分割方法变得越来越重要。
[WACV2023] The Fully Convolutional Transformer for Medical Image Segmentation
weixin_44832243的博客
05-06 695
医学图像分析的细粒度特性所带来的挑战意味着Transformer对其分析的适应仍处于初级阶段。UNet压倒性的成功在于它能够欣赏分割任务的细粒度性质，这是现有的基于Transformer的模型目前不具备的能力。为了解决这个缺点，本文提出了全卷积Transformer(FCT)，它建立在卷积神经网络学习有效图像表示的能力的基础上，并将它们与Transformer的能力相结合，有效地捕获其输入中的长期依赖关系。FCT是医学影像中第一个全卷积Transformer模型，能够分割不同形态的医学图像。
817D. Imbalanced Array 预处理最大最小 思维
weixin_30583563的博客
07-04 106
LINK 题意：给出n个数，求所有子区间的最大最小值差的和。 思路：过去有道题目是求所有子区间的最大值或最小值，这题类似，我们对每一个数计算其作为最大值得次数和最小值的次数，这两个值求法类似，都是比左侧数大(小)的数量*比右侧数大(小)数量。 /** @Date : 2017-07-02 15:24:36 * @FileName: 817D 线性求子区间最大最小 思维.cp...
[MICCAI2019] Multi Scale Curriculum CNN for Context-Aware Breast MRI Malignancy Classification
xby的学习笔记存档处
08-24 1112
作者信息 Christoph Haarburger，RWTH Aachen University, Germany curriculum learning
医学图像分割 （MICCAI 2019）
热门推荐
ReaFly的博客
04-15 1万+
一.头部 2.《FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural Network for Head and Neck CT Images》 针对 Head and Neck(HaN) CT images 数据集来源：非公共数据集 和 MICCAI Head and Neck ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值