Multi-task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein

最新推荐文章于 2022-07-12 16:07:43 发布
最新推荐文章于 2022-07-12 16:07:43 发布
阅读量704 收藏 1
点赞数
分类专栏： Paper 文章标签： retinal vessel segmentation artery/vein class-action spatial activation deep learning
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/m0_37576805/article/details/103769557
版权

Artery/Vein Classification

 

论文链接

 

1.  期刊

  • MICCAI 2019

 

2.  亮点

  • 使用illumination correction (IC)和vessel enhancement (VE)增强数据，并和原始数据一起作为网络的输入
  • 在网络输出端，利用multi-task思想将输出分为两个分支，其中一个分割血管，另外一个分割动静脉
  • 在multi-task任务中，提出Spatial Activation map来增强潜在的微血管和血管边缘的的识别能力
  • 利用Deep Supervision的思想增强low-level的特征（梯度消失，low-level 和high-level features的gap问题）

 

3. 方法

         Deep Supervision

4. 结果

 5. 消融

         可以从表一中看出，在利用multi-task (MTs)和Multi-input (MIs)之后，效果均很明显。 

         从图2（E）中可以看出 Spatial Activation map（AC）的确可以捕捉到微血管和血管边缘的信息。主要得益于其将p=0.5的预测点增强到了1+\sigma \left ( 1- e^{-\frac{1}{4}} \right )\approx 1.22，而p = 0或者p = 1的地方还是1（即血管和背景区域概率为1），通过这个方法来矫正动静脉的分类。

 

6. 总结

  •   该方法在DRIVE动静脉均取得了state-of-art, 主要得益于图像扩增，和合理的结构设计
  •   该方法边缘增强和微血管增强很是巧妙
  •   该方法基于patch训练和测试，一张图8s时间成本太大，无法做到实时
  •   该方法模型过于复杂

 

胡二妞
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
眼底血管分割MICCAI 2019论文详解Multi-task Neural Networks with Spatial Activation for Retinal Vessel...
祥瑞的技术博客
11-04 5987
MICCAI2019论文详解Multi-task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification 论文：基于空域激活神经网络的眼底视网膜血管动静脉分割 Wenao Ma, Shuang Yu, Kai Ma, Jiexiang Wang...
论文阅读——Multi-task Neural Networks with Spatial Activation for RVS and Artery/Vein Classification
qq_37151108的博客
02-21 894
Multi-task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification. 时间：2019 摘要 空间域激活的多任务神经网络用于视网膜血管分割及动静脉分类
视网膜动静脉分类在临床用研究心血管疾病对视网膜血管的影响十分重要。传统的动静脉分类依赖于对...
55——SPNet: A novel deep neural network for retinal vessel segmentation basedon shared decoder and p
weixin_53841792的博客
05-23 342
论文信息：SPNet: A novel deep neural network for retinal vessel segmentation based on shared decoder and pyramid-like loss | Papers With Code 由于血管厚度不一致和边界模糊，对毛细血管和视网膜血管边缘的精细分割仍具有挑战性。针对上述问题，本文提出了一种基于共享译码器和类金字塔损失(SPNet)的视网膜血管分割深度神经网络。具体来说，我们引入了一种解码器共享机制来捕获多尺度语义信
Retinal Vessel Segmentation via a Semantics and Multi-Scale Aggregation Network
m0_61356812的博客
07-12 475
Retinal Vessel Segmentation via a Semantics and Multi-Scale Aggregation Network
论文阅读——Retinal Vessel Segmentation via a Semantics and Multi-Scale Aggregation Network
qq_37151108的博客
01-21 2518
Retinal Vessel Segmentation via a Sementics and Multi-Scale Aggregation Network from ICASSP 2020 Abstract 对于视网膜血管进行精确分割对于眼底图像的自动化诊断至关重要，但是由于特征尺度变化较大、对毛细血管分割不佳，使得精细的视网膜血管分割一直是一项极具挑战的任务。 本文提出了基于语义和多尺度聚合模块的分割模型来解决这一难题。
首先通过语义聚合模块汇聚表征能力更强的高阶语义信息，进而获得强有力的特征表述，来
论文阅读——TR-GAN: Topology Ranking GAN with Triplet Loss for Retinal Artery/Vein Classification
qq_37151108的博客
11-24 2800
论文阅读——TR-GAN: Topology Ranking GAN with Triplet Loss for Retinal Artery/Vein Classification 基于对抗神经网络的拓扑排序的三重损失函数用于视网膜血管动静脉分类分割
 From MICCAI2020 
腾讯天衍实验室 Abstract 视网膜动静脉分割是视网膜血管定量分析的基础，与许多心脑血管疾病的诊断有关。而血管的拓扑连接关系有助于提升常规自然血管的动静脉的分类效果。本文则提出了一种拓扑排序的对抗神经网络提升血管分割的
An Overview of Multi-Task Learning in Deep Neural Networks.pdf
02-23
Multi-task learning (MTL) has led to successes in many applications of machine learning, from natural language processing and speech recognition to computer vision and drug discovery. This article ...
2019-ACL-清华等-Graph Neural Networks with Generated Parameters for
08-04
总结来说，"2019-ACL-清华等-Graph Neural Networks with Generated Parameters for"的研究工作，提出了一个创新的方法，即在关系抽取中使用自动生成参数的图神经网络。这种方法增强了GNNs处理无结构文本的能力，...
Covergence of stochastic fuzzy Cohen-Grossberg neural networks with reaction-diffusion and distributed delays
02-21
Covergence of stochastic fuzzy Cohen-Grossberg neural networks with reaction-diffusion and distributed delays
Multi-task-Physics-informed-neural-networks
04-05
多任务物理信息神经网络 研究代码库。
眼底血管分割with an improved cross-entropy loss function.pdf
07-17
Retinal vessel segmentation of color fundus images using multiscale convolutional neural network with an improved cross-entropy loss function
SA-UNet: Spatial Attention U-Net for Retinal Vessel Segmentation
@Elaine
03-10 6991
论文阅读：SA-UNet: Spatial Attention U-Net for Retinal Vessel Segmentation 用于视网膜血管分割的空间注意力U-Net        摘要：视网膜血管的精确分割（精确分割precise segmentation）对早期诊断与眼病有关的疾病，如糖尿病和高血压具有重要意义。在这项工作中，我们提出了一个轻量级的网络（lightweight network），称为空间注意力U-Net（SA-UN
论文阅读笔记：Retinal vessel segmentation of color fundus images using multiscale convolutional neural.....
啊哦的博客
09-05 3163
Retinal vessel segmentation of color fundus images using multiscale convolutional neural network with an improved cross-entropy loss function 采用改进的交叉熵损失函数的多尺度卷积神经网络对彩色眼底图像进行视网膜血管分割 关键词：视网膜血管分割、卷积神经网络、...
论文阅读：Deep Neural Networks with Multitask Learning(多任务模型应用到自然语言处理)
SYSU_BOND的博客
04-02 3172
文章摘要文章讲述一个使用基于单一卷积神经网络的多任务学习模型，可以给一个句子输出预测一系列语法或语义上的输出：如词性标注、命名实体识别、语言角色，语义相近的单词，自然语言模型（句子有意义的概率）。所有这些任务上使用一个网络实现权重共享，即一个多任务学习实例。除了语言模型，所有的任务都使用打标签的数据，这样的组合代表了一个通过共享任务的进行半监督学习形式【语言模型是无监督的，而其他任务有监督】。文中...
MICCAI2019论文分享 PART①
Jingyang.Zhang的博客
10-29 8621
刚刚结束的 MICCAI2019 会议的论文集分为6个部分，这段时间刷了一遍 Part I，在这儿和大家做一个简单的分享交流。 由于本人主要专注于分割领域和半监督弱监督等学习策略，下面给出的综述可能多涉及该方向。 选出的文章主要突出其中的闪光点，如果感兴趣还望各位移步 link 官网获取原文。 如果阐述有误也欢迎大家拍砖指教。为话不多说，直接开始。 1. Dual Encoding U-Ne...
MICCAI 2019 Poster List
热门推荐
Seven
10-11 1万+
MICCAI 2019 Paper List Poster Session #1: Microscopy and Photo-optical Imaging Poster Session #2: NeuroImaging Poster Session #3: Segmentation and Registration 1 Poster Session #4: Segmentation an...
图像分割综述—翻译整理（未完待续）
苏锌雨的博客
04-06 4199
文章目录Abstract1 Introduction2 Motivation2.1 Contribution3 Impact of Deep Learning on Image Segmentation3.1 Effectiveness of convolutions for segmentation3.2 Impact of larger and more complex datasets4 I...
【2020论文阅读12月】
Vonnie_ty的博客
12-16 530
【2020论文阅读12月】Which Tasks Should Be Learned Together in Multi-task Learning (v) Which Tasks Should Be Learned Together in Multi-task Learning (v) Multi-Task Learning 的目的： 减少训练时间 decreased inference time More compact models 提高准确率 Better learned representat
腾讯AI八篇论文入选顶级医学影像会议MICCAI ，涉及病理癌症图像分类等
腾讯AI实验室
10-11 4835
感谢阅读腾讯AI Lab微信号第87篇文章。本文将解读2019年医学影像AI领域国际顶会MICCAI中腾讯AI的入选论文。医学影像AI领域的国际顶会 MICCAI 201...
complex-valued neural networks: theories and applications电子版
最新发布
12-07
《complex-valued neural networks: theories and applications》是一本介绍复数值神经网络理论和应用的电子书。该书首先介绍了复数值神经网络的基本概念和数学原理，包括复数的表示、运算规则和复数神经元的构建。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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