brain segmentation调研--WMH Segmentation Challenge_github_yinniyu/WMH2017

最新推荐文章于 2022-05-11 20:33:34 发布
最新推荐文章于 2022-05-11 20:33:34 发布
阅读量925 收藏 1
点赞数
分类专栏： 【AI】 文章标签： AI AI医疗
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/linhai1028/article/details/79571861
版权

本文主要内容如下

  1. 复现yinniyu 上的WMH2017项目
  2. 我们自己的医疗数据处理后运用该模型测试，数据处理过程包括格式处理（GitHub上是nii格式我们是dicom格式，写代码读入dicom格式），其次图像配准，转化为模型输入数据。
  3. 模型改进

由于离开公司，该项目不再继续做下去。

一、github yinniyu 链接

github链接：WMH Segmentation github yinniyu

二、复现

复现结果：F1值，0.73+-0.02

linhai1028
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
brain-segmentation-pytorch:PyTorch中的U-Net实现用于脑部MRI的FLAIR异常分割
05-02
U-Net进行脑部分割 PyTorch中的U-Net实现基于深度学习分割算法进行脑部MRI FLAIR异常分割，该算法用于。 该存储库是中官方MATLAB / Keras实现的全Python端口。 提供了经过训练的模型的权重，这些权重可用于对其他数据集进行推断或微调。 如果您使用此存储库中共享的代码或权重，请考虑引用： @article{buda2019association, title={Association of genomic subtypes of lower-grade gliomas with shape features automatically extracted by a deep learning algorithm}, author={Buda, Mateusz and Saha, Ashirbani and Mazurowski, Maciej A
brain-tumor-segmentation
03-08
brain-tumor-segmentation
brain segmentation调研--Brain Parcellation as a Pretext Tas
林海
02-08 1291
brain segmentation调研–Brain Parcellation as a Pretext Tas 本文主要是对论文On the Compactness, Eciency, and Representation of 3D Convolutional Networks:Brain Parcellation as a Pretext Tas 进行简单分析，并对论文源码做了分析，最后对...
brain segmentation调研--NiftyNet
林海
02-06 1697
brain segmentation调研–NiftyNet NiftyNet 是一个基于 TensorFlow 的开源卷积神经网络平台，用来研究医疗影像分析和影像导向的治疗。NiftyNet 有着模块化的架构设计，能够共享网络架构和预训练模型。使用该模块架构，你可以： 使用内建工具，从建立好的预训练networks开始训练 根据自己的图像数据改造已有的networks 根据自己的图像分析问题...
Automatic Segmentation of MR Brain Images With a Convolutional Neural Network
sunyao_123的博客
04-17 780
一，数据： 二，方法： 使用不同patch size大小的原因：大的patch包含空间信息，可以定位到这个像素位于图像中的位置（使用大的kernel）；小的patch提供局部相邻像素的细节信息（使用小的kernel）。 每类训练数量相同，防止数据不平衡。 为了提供更多的数据，网络训练的每个周期的数据是不同的，每个周期重新提取训练数据。（由于每个训练周期之间提取数据，这样回增加寻...
【论文阅读】WMH Segmentation Challenge 2017 及第一名解决方案
m0_37477175的博客
11-29 4069
相关医学常识 白质高信号 白质病变的特点是双侧，大多对称高强度的t2加权MRI是常见的老年人。虽然与脑血管疾病和血管危险因素密切相关，但这些白质病变的发病机制尚不清楚，可能是多因素的。Presumed vascular origin的白质高信号（WMH）是脑小血管疾病（SVD）的主要表现之一，并且在中风，痴呆和衰老中是很重要的特征表现。白质高信号有时候被认为是一种随着衰老而产生的一种正常表现，因为...
DPGMMMRI-segmentation.zip_Brain MRI_brain segmentation_segmentat
07-15
在"DPGMMMRI segmentation"这个项目中，文件可能包含了实现DPGMM算法的代码、处理后的MRI图像数据、分割结果以及可能的评估指标，如Dice相似系数或Jaccard相似度。这些评估指标用于量化分割结果与实际解剖结构的匹配...
MRI-brain-segmentation-using-FCM.zip_FCM segmentation_fcm 图像_fc
07-14
标题中的“MRI-brain-segmentation-using-FCM”指的是使用模糊C均值（FCM）算法进行磁共振成像（MRI）脑部图像的分割。FCM是一种聚类方法，常用于图像处理领域，特别是在医学图像分析中，它能将图像像素分为不同的...
SOM-code.rar_SOM segmentation_brain segmentation_image segment_
07-15
this was the code for SOM based brain image segmentation which can segment brain image and finally the segmented labelled image was represent as a color label. this code segment the tumor spot of an ...
train_1.zip_brain segmentation _brain segmentation_u-net 多类_图像分
07-15
用U-net进行脑部图像多类分割，用keras框架进行实现
Liver-Tumor-Segmentation-Challenge-master.zip_liver_liver segmen
09-22
usefull project for liver
Brain_Tumor_Segmentation
03-20
脑肿瘤分割 笔记本将分割应用于脑肿瘤数据集。 培训了十个练习场，以示示范；某些设置（例如GPU使用率）可能并非最佳。 达塞特 工具 参考
3D Convolutional Neural Network for Brain Tumor Segmentation
10-15
一篇介绍基于3D 卷积神经网络的头部肿瘤CT图像分割处理的论文
WM Hyperintensities Segmentation Toolbox:开源白色物质高强度分割工具箱-开源
04-26
威斯康星州白色物质高强度分割[W2MHS]和定量工具箱是一个开源MatLab工具箱，旨在检测和量化阿尔茨海默氏病和与衰老相关的神经系统疾病中的白色物质高强度（WMH）。 WMH在T2加权的FLAIR图像上作为明亮区域出现。 它们反映了合并症神经损伤或脑血管疾病的负担。 就其预后而言，对阿尔茨海默氏病（AD）的精确检测值得关注。 我们的工具箱提供了一套自给自足的工具，可以可靠地对这些WMH进行细分，并进一步量化其用于后处理研究的负担。
brain_segmentation
05-18
自动脑肿瘤分割 注意：该项目当前未激活。 它很可能已经过时和越野车。 不幸的是，我没有时间更新它或跟上请求请求。 脑肿瘤分割试图将健康组织与肿瘤区分开，例如进展中的肿瘤，坏死核心和周围的水肿。 这是诊断和治疗计划中必不可少的步骤，在发生恶性肿瘤时，这两个步骤都需要Swift进行，以最大程度地提高成功治疗的可能性。 由于手动分割的缓慢且乏味的性质，因此对能够快速，准确地执行此操作的计算机算法提出了很高的要求。 目录 数据集 所有MRI数据均由提供，该挑战赛由大约250个高级别胶质瘤病例和50个低级别病例组成。 但是，由于时间有限，每个数据集包含四个不同的MRI脉冲序列，每个序列由155个脑切片组成，每位患者总共需要620张图像。 提供专业细分，作为每种情况的基本事实标签。 图1是使用地面真相分割进行扫描的示例。 细分标签如下所示： 图1： T2加权扫描上的地面真相分割叠加。 MRI
Boundary-Aware Fully Convolutional Network for Brain Tumor Segmentation论文理解
静静地玛尼石
10-27 2055
本文模型的代码是基于keras和Theana上完成，但是好像并没有进行开源          我们提出一种新颖的，多任务的全卷积网络（FCN）架构，用于脑肿瘤的自动分割。 该网络通过连接从多模MR图像提取的分层特征表示来提取多级上下文信息。 通过在损失函数中直接加入边界信息，实现了分割性能的提高。 该方法在BRATS13和BRATS15数据集上进行了评估，并
Brain tumor segmentation with Deep Neural Networks
moshiyaofei的博客
02-15 1880
理解 Brain tumor segmentation with Deep Neural Networks。   一、摘要 1.  基于DNNs提出了一种  fully automatic brain tumor segmentation  方法。 2.  提出的方法适用于MRI中的胶质瘤。 3.  提出的CNN方法探索局部特征的时候同时探索更多的全局上下文特征。 4.  网络用卷积实...
Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks
moshiyaofei的博客
02-15 1673
理解论文  Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks   一、摘要 1.提出了一种级联的全卷积神经网络来分割多模态 脑肿瘤 MRI，分割的脑肿瘤是：whole tumor, tumor core and enhancing tumor core。 2...
【BraTS】Brain Tumor Segmentation 脑部肿瘤分割2（UNet的复现）
钱多多先森
05-11 3781
1、复线unet 2、构建训练数据流 3、浅谈思路
在pycharm中pip install --upgrade git+https://github.com/divamgupta/image-segmentation-keras
最新发布
09-06
这个命令会从GitHub上下载image-segmentation-keras库，并安装它的最新版本，如果已经安装了该库，还会将其升级到最新版本。在PyCharm中运行命令的方法是打开终端窗口（Terminal），然后输入命令并按下回车键。在...
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