MICCAI2019
hellopipu
这个作者很懒,什么都没留下…
展开
-
[MICCAI2019] Robust Multimodal Brain Tumor Segmentation via Feature Disentanglement and Gated Fusion
Cheng chen,CUHKIntro针对分割问题中的模态缺失现象。利用 disentanglement的思路,将多模态的输入影像特征,解耦为modality-specific 以及 modality-invariant。在Brats18上进行实验。Method网络框架如下:EcE^cEc编码脑影像的内容信息,得到content code,EaE^aEa编码模态信息,得到appeara...原创 2019-11-02 19:42:33 · 1634 阅读 · 1 评论 -
[MICCAI2019] Artifact Disentanglement Network for Unsupervised Metal Artifact Reduction
作者:Haofu Liao, University of Rochestermetal artifact reduction(MAR)IntroCT影像的MAR一般是需要合成数据来进行训练,然而合成影像并不能完美反应真实CT的物理特性。本文首次提出利用无监督学习来做MAR,具体地,文章使用了disentanglement network,将影像解耦到common content 空间和ar...原创 2019-10-29 15:12:15 · 1182 阅读 · 0 评论 -
[MICCAI2019] Unsupervised Domain Adaptation via Disentangled Representations: Application to Cross-M
Unsupervised Domain Adaptation via Disentangled Representations: Application to Cross-Modality Liver Segmentation作者:Junlin Yang,yaleIntroCT便宜快速,但有辐射且对比度低;MRI对比度高,无辐射,但成本高,不易得到。在实际治疗中,CT和MRI都需要,且需要...原创 2019-10-29 12:47:48 · 852 阅读 · 0 评论 -
[MICCAI2019] Unified Attentional Generative Adversarial Network for Brain Tumor Segmentation From Mu
Unified Attentional Generative Adversarial Network for Brain Tumor Segmentation From Multimodal Unpaired Images作者信息,Wenguang Yuan, 华南理工原创 2019-09-02 17:52:12 · 566 阅读 · 2 评论 -
[MICCAI2019] Learning shape priors for robust cardiac MR segmentation from multi-view images
MICCAI2019 Oral作者信息Chen Chen,Biomedical Image Analysis Group, Imperial College London贡献:设计了Shape MAE(Multi-View Auto Encoder)结构来学习多视角下心脏形状的latent 表达设计了分割网络 Multi-View Unet,能够结合MAE学习到的解剖形状的先验知识,...原创 2019-09-08 12:44:10 · 725 阅读 · 3 评论 -
[MICCAI2019] Conv2Warp: An unsupervised deformable image registration with continuous convolution an
Conv2Warp: An unsupervised deformable image registration with continuous convolution and warping作者信息:Sharib Ali , Oxford,Institute of Biomedical Engineering贡献:使用可变形卷积学习局部非线性形变;使用可学习的 bicubic Catm...原创 2019-09-06 15:21:49 · 1191 阅读 · 0 评论 -
[MICCAI2019] Pick-and-Learn: Automatic Quality Evaluation for Noisy-Labeled Image Segmentation
作者信息Haidong Zhu, Tsinghua 电机系文章针对医学影像中标注质量的痛点进行了探究,pick & learn,顾名思义,文章用到的解决方法为:对每个mini-batch中样本的标注质量进行评分,然后根据标注质量高低对相应样本的loss进行加权,得到mini-batch的最终loss后再反向传播,更新网络。Method如下为方法框图,包含3个主要模块:segmen...原创 2019-09-04 14:38:05 · 1145 阅读 · 2 评论 -
[MICCAI2019] Global and Local Interpretability for Cardiac MRI Classification
深度学习可解释性原创 2019-08-17 20:11:24 · 825 阅读 · 0 评论 -
[MICCAI2019] Models Genesis: Generic Autodidactic Models for 3D Medical Image Analysis
作者信息Zongwei Zhou, Arizona State University医疗影像的一个痛点,数据少,常常需要自然图像的预训练模型做迁移学习,最广泛的预训练模型ImageNet是2D的,而医疗影像大多3D,且3D数据包含了影像的结构信息,一般而言,3D训练效果会比2D好。3D预训练模型的缺乏是本文的一个出发点。(最近腾讯有出一个3D医疗影像的预训练模型https://github...原创 2019-08-16 16:55:50 · 2242 阅读 · 0 评论 -
[MICCAI2019] FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural
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...原创 2019-08-20 20:46:36 · 1773 阅读 · 1 评论 -
[MICCAI2019] Multi Scale Curriculum CNN for Context-Aware Breast MRI Malignancy Classification
作者信息Christoph Haarburger,RWTH Aachen University, Germanycurriculum learning原创 2019-08-24 20:46:09 · 1093 阅读 · 2 评论 -
[MICCAI2019] Overfitting of neural nets under class imbalance: Analysis and improvements for segment
作者单位:Zeju Li,Biomedical Image Analysis Group, Imperial College London分析在前景比较少(类别不平衡)的分割场景中,逐步减少训练数据量,作者发现precision稳定,sensitivity下降明显。作者进一步可视化分类层的输出,发现1、前景离决策面太近,背景离决策面较远;2、随训练数据量减少,前景train和test的...原创 2019-08-06 23:52:43 · 388 阅读 · 0 评论 -
[MICCAI2019] A Partially Reversible U-Net for Memory-Efficient Volumetric Image Segmentation
作者信息:Robin Brügger, CV Lab,ETH Zürich医疗影像常用3D网络,显存占用经常制约了网络结构与深度,从而对最终精度产生影响。文章主要借鉴了reversible block 的思路来解决上述问题。reversible block该block设计很巧妙。输入x 按通道数先分成两组,x1, x2。利用如下公式(1),得到y1,y2,由于特殊的结构设计,x1,x2...原创 2019-08-06 15:23:03 · 909 阅读 · 1 评论 -
[MICCAI2019] Attention Guided Network for Retinal Image Segmentation
文章在分割网络结构中引入Guided Image Filtering 和 attension block。Guided Image Filtering用来引导图像特征,传递结构信息(边缘信息);attension block用来去除噪声与无关背景的影响。Guided Image FilteringKaiming He ECCV2010提出。edge-awre滤波算子。介绍Guided Imag...原创 2019-08-08 01:53:53 · 1924 阅读 · 2 评论