muyijames的博客

文章目录1 综述2 网络结构2.1 skip connection2.2 deep supervision2.3 模型剪枝3 分割结果对比3.1 论文用到数据集3.2 预测结果4 源码解析1 综述今天分享一篇2018年的论文《UNet++: A Nested U-Net Architecture for Medical Image Segmentation》，已经有很多博客将其解读的很详细了，这里不再重复。这里主要提一下论文亮点：简而言之，文章主要对 U-Net 中的 plain skip cenne

图。欢迎各位进行交流学习。【人肉整理，转载请注明出处】文章目录1 综述1.1 Dice1.2 Focal loss1.1 Dice with weight1.1 Cross Entropy with weight1.1 Dice + crossEntropy1.2 Dice + Focal loss1 综述SPP1.1 DicePPM模块代码如下，结合代码更直观： 1.2 Focal lossPPM模块代码如下，结合代码更直观：def categorical_focal_los

文章目录1 综述1.1 G1 综述肺部气道树的分割难度较大，目前1.1 G论文连接：https://arxiv.org/pdf/1803.08494.pdf该方法

文章目录1 综述1 基于距离场和生物力学表面约束的两种方法进行前列腺超声与MR影像配准1.1 Registration of signed distance maps with B-spline regularization方法1.2 Biomechanically constrained surface registration方法1.3 精度对比1.4 参考文献2 基于几何特征点的前列腺超声与MR影像配准2.1 方法描述2.2 配准精度2.3 参考文献3 基于HAMMER算法的腹部软组织超声与MR影像配

文章目录1 综述1.1 超声发展简史1.2 超声类型2 超声影像的去噪与增强2.1 各向异性扩散去噪模型2.2 色彩恢复的视网膜增强算法SSR和MSR2.3 MSRCR增强算法（基于MSR算法改进版）2.4 参考文献3 超声影像的目标识别3.1 基于跨模态数据迁移进行DL训练3.2 参考文献1 综述因工作需要，最近调研了超声（UltraSound）影像的相关知识，包含超声类型、超声影像的去噪和增强，目标检测等，并对相关资料文献进行梳理整合。本人另外一篇博文主要讲了UltraSound 影像与CT/MR