![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CV 学习记录
die-loop
这个作者很懒,什么都没留下…
展开
-
False Positive Reduction Using Multiscale Contextual Features for Prostate Cancer Detection..论文笔记
论文目标是病灶检测,参考了别的论文的一个模型,FPR模块的作用可以作为目标检测模型的后处理,具体内容如下:1.Introduction在不同的MRI扫描对比中,在前列腺癌和良性组织之间强度的相似度很高。再加上癌性病变的大小差异,使得前列腺癌性病变的检测(减少假阳性)特别具有挑战性。目标检测模型检测到的病灶可以看作是候选病灶,需要进一步分析和区分真假病灶。检测网络使用前列腺成像报告和数据系统(PI-RADS)评分作为GT,PI-RADS评分等于或大于3的病变被认为具有临床意义。2.模型总结检测模型:原创 2020-09-13 23:16:11 · 372 阅读 · 1 评论 -
Improving Nuclei/Gland Instance Segmentation in Histopathology Images by Full Resolution...论文源码笔记
数据集:GlaS输入:Ternary label:inside、contours、background标记出来WWeighted map:通过matlab代码得到test.py内容1.定义和加载训练好的模型# define modelmodel = FullNet(opt.model['in_c'], opt.model['out_c'], n_layers=opt.model['n_layers'], growth_rate=opt.model['growt原创 2020-09-02 11:05:43 · 971 阅读 · 2 评论