深度学习图像分割
文章平均质量分 90
深度学习图像分割
AI从入门到实践
苏州科技大学研究生在读
展开
-
UNETR: Transformers for 3D Medical Image Segmentation
UNETR: Transformers for 3D Medical Image Segmentation背景:1、具有跟踪和扩展路径的全卷积神经网络(FCNNs)(如编码器和解码器),近年来在各种医学图像分割应用中显示出了突出的地位。在这些体系结构中,编码器通过学习全局上下文表示来扮演一个不可或缺的角色,该全局上下文表示将进一步用于解码器的语义输出预测。2、卷积层作为FCNN的主要构造块,其局部性限制了此类网络学习长时空间依赖的能力。3、在NLP领域,基于transformer的模型已经在各种任务原创 2021-09-05 17:32:29 · 1728 阅读 · 0 评论 -
2021年深度学习的医学图像分割技术研究进展
基于深度学习的医学图像分割技术研究进展 闫 超,孙占全,田恩刚,赵杨洋,范小燕摘 要 医学图像分割在临床诊断中发挥着重要作用,也是其他医学图像处理方法的基础。随着计算机硬件性能的提高,基于深度学习的图像分割技术已成为处理医学图像的有力工具,被广泛应用于各种医学图像分割任务中。文中介绍了常见的医学图像种类及其特点,对近些年涌现出的图像分割算法进行了分析和对比,部分算法已经成功应用到脑组织、肺部和血管等部位图像分割任务之中。文中还针对目前基于深度学习的医学图像分割技术在发展过程翻译 2021-09-05 19:28:11 · 16293 阅读 · 0 评论