Boundary-Aware Fully Convolutional Network for Brain Tumor Segmentation的解读

最新推荐文章于 2024-09-13 22:18:47 发布
最新推荐文章于 2024-09-13 22:18:47 发布
阅读量765 收藏 4
点赞数
分类专栏： 深度学习文章解读
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/qq_29184757/article/details/79832981
版权
本文提出了一种边界感知的全卷积网络（FCN）架构，用于脑肿瘤的自动分割。该网络通过多任务学习同时预测肿瘤区域和边界，提高了分割性能，特别是在BRATS13和BRATS15数据集上表现优秀，无需后处理步骤，计算效率高。
摘要由CSDN通过智能技术生成

    本文的经典之处是为脑肿瘤分割引入了边界感知FCN共同学习边界和区域的任务。

    本文的主要贡献：（ 1 ）首先将多任务 FCN 框架应用于多模态脑肿瘤（和子结构）分割 ; （ 2 ）提出了一种无需后处理步骤以及联合学习预测肿瘤区域和肿瘤边界的感知 FCN; （3）在统计意义上证明所提出的网络提高了肿瘤边界分割的准确性;（4）在BRATS数据测试;本文方法在BRATS13上排名第一，并且具有良好的计算效率。

本文模型的代码是基于keras和Theana上完成，但是好像并没有进行开源

       我们提出一种新颖的，多任务的全卷积网络（FCN）架构，用于脑肿瘤的自动分割。该网络通过连接从多模MR图像提取的分层特征表示来提取多级上下文信息。通过在损失函数中直接加入边界信息，实现了分割性能的提高。该方法在BRATS13和BRATS15数据集上进行了评估，并与BRATS13测试集上的竞争方法进行比较。相比单任务的FCN和融合RCF的FCN都取得了较好的性能。该方法是最准确可用的，并且在测试时间具有相对较低的计算成本。

 

1 引言

     目前对于脑肿瘤分割的普遍方法࿱

最低0.47元/天 解锁文章
报任安者
关注
专栏目录
【BraTS】Brain Tumor Segmentation 脑部肿瘤分割1（数据篇）
钱多多先森
04-24 1万+
BraTS2015数据 官方网址：http://www.braintumorsegmentation.org/ 下载地址：https://aistudio.baidu.com/aistudio/datasetdetail/26367
Boundary-Aware Fully Convolutional Network for Brain Tumor Segmentation论文理解
静静地玛尼石
10-27 2076
本文模型的代码是基于keras和Theana上完成，但是好像并没有进行开源          我们提出一种新颖的，多任务的全卷积网络（FCN）架构，用于脑肿瘤的自动分割。 该网络通过连接从多模MR图像提取的分层特征表示来提取多级上下文信息。 通过在损失函数中直接加入边界信息，实现了分割性能的提高。 该方法在BRATS13和BRATS15数据集上进行了评估，并
【论文阅读一】Boundary-Aware Fully Convolutional Network for Brain Tumor Segmentation
Fan_shui的博客
10-05 1222
一、参考阅读文章 https://blog.csdn.net/qq_29184757/article/details/78369299 https://www.cnblogs.com/xiangfeidemengzhu/p/7519767.html 二、基础知识 　　快速浏览了上面两篇文章对论文的理解，里面有讲到此论文是关于脑瘤自动分割，其中涉及到很多基础知识，如FCN，DCNA 　2.1、FCN...
Boundary Loss 项目安装与配置指南
最新发布
gitblog_07427的博客
09-13 309
Boundary Loss 项目安装与配置指南 boundary-loss Official code for "Boundary loss for highly unbalanced segmentation", runner-up for best paper award at MIDL 2019. Extended...
Brain tumor segmentation using deep learning +HybridResUnet脑胶质瘤分割BraTs +论文解读
h201601060805的博客
05-07 2891
Brain tumor segmentation using deep learning 下载地址 摘要 Brain tumor is one of the deadliest forms of cancer and as all cancer types, early detection is very important and can save lives. By the time sym...
brain-tumor-segmentation
03-08
brain-tumor-segmentation
【论文合集】2022年10月医学影像期刊论文合集
sukeee的博客
12-08 4036
本月IEEE Transactions on Medical Imaging(1区 top if 11.037) 共32篇, Medical Image Analysis（1区 top if 13.828） 共30篇.
python医学图像分割_基于各种挑战的SOTA医学图像分割方法
weixin_42452642的博客
12-30 1533
State-of-the-art medical image segmentation methods based on various challenges! (Updated 202003)ContentsHead2020 ICIAR: Automatic Lung Cancer Patient Management (LNDb) (LNDb)2019 MICCAI: Multimodal B...
Brain_Tumor_Segmentation
03-20
脑肿瘤分割 笔记本将分割应用于脑肿瘤数据集。 培训了十个练习场，以示示范；某些设置（例如GPU使用率）可能并非最佳。 达塞特 工具 参考
Brain tumor segmentation with Deep Neural Networks
moshiyaofei的博客
02-15 1909
理解 Brain tumor segmentation with Deep Neural Networks。   一、摘要 1.  基于DNNs提出了一种  fully automatic brain tumor segmentation  方法。 2.  提出的方法适用于MRI中的胶质瘤。 3.  提出的CNN方法探索局部特征的时候同时探索更多的全局上下文特征。 4.  网络用卷积实...
Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks
moshiyaofei的博客
02-15 1693
理解论文  Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks   一、摘要 1.提出了一种级联的全卷积神经网络来分割多模态 脑肿瘤 MRI，分割的脑肿瘤是：whole tumor, tumor core and enhancing tumor core。 2...
【BraTS】Brain Tumor Segmentation 脑部肿瘤分割2（UNet的复现）
钱多多先森
05-11 4004
1、复线unet 2、构建训练数据流 3、浅谈思路
（脑肿瘤分割阅读笔记：一）Brain Tumor Segmentation with Deep Neural Networks
weixin_43921949的博客
08-21 870
基于深度神经的脑肿瘤分割论文阅读笔记
BraTS2021脑肿瘤分割实战
热门推荐
weixin_44858814的博客
06-23 3万+
脑肿瘤分割是MICCAI所有比赛中历史最悠久的，到2021年已经连续举办了10年，参赛人数众多，是学习医学图像分割最前沿的平台之一。简介：​ 胶质母细胞瘤和具有胶质母细胞瘤分子特征的弥漫性星形细胞胶质瘤（WHO 4 级星形细胞瘤）是成人中枢神经系统最常见和最具侵袭性的恶性原发性肿瘤，在外观、形状和组织学上具有极端的内在异质性。胶质母细胞瘤患者的预后非常差，目前的治疗标准包括手术，然后是放疗和化疗。国际脑肿瘤分割（BraTS）挑战赛自2012年以来一直在运行，评估了用于mpMRI扫描中脑肿瘤图像分析的最先进的
[深度学习论文笔记]Brain tumor segmentation with self-ensembled,deeply-supervised 3D U-net neural networks
Slientsake的博客
07-20 2628
论文： Brain tumor segmentation with self-ensembled,deeply-supervised 3D U-net neural networks: a BraTS 2020 challenge solution. 使用自集成、深度监督的3D U-net神经网络的脑肿瘤分割:BraTS 2020挑战解决方案 论文：https://arxiv.org/abs/2011.01045 代码：https://github.com/lescientifik/open brats20
AAAI 2021 BoundaryAwareGEM
Polaris
08-16 384
https://github.com/JchenXu/BoundaryAwareGEM Abstract 边界信息在2D图像语义分割中发挥了重要作用，而在3D点云分割中常常会被忽略。本文提出了边界预测模型（Boundary Prediction Module，BPM）用于预测点云的边界，基于BPM设计了一个几何编码模块（Geometric Encoding Module，GME）。为了提供额外的几何信息，设计了一个轻量的几何卷积计算。 Introduction GCO注重邻点的角度分布（angular di
[翻译+分析总结] nnU-Net for Brain Tumor Segmentation
搬砖猛女的啃书历程
03-14 1488
摘要 我们将nnU-Net应用于BraTS 2020挑战赛的细分任务。 未经修改的nnU-Net基准配置已经取得了可观的结果。 通过合并有关BraTS的特定修改，这些修改涉及后处理，基于区域的培训，更具综合性的数据扩充以及对nnU-Net管道的一些较小修改，我们能够大幅提高其分割性能。 此外，我们还重新实施了BraTS排名方案，以确定哪种nnU-Net变体最适合它所强加的要求。 我们的方法在BraTS 2020竞赛中名列第一，全肿瘤，肿瘤核心和增强肿瘤的Dice评分分别为88.95、85.06和82.03，
（脑瘤分割阅读笔记：二）Automatic Brain Tumor Segmentation usingCascaded Anisotropic Convolutional NeuralNetwork
weixin_43921949的博客
08-22 1001
级联各向异性卷积神经网络的脑肿瘤自动分割论文阅读笔记！！！
basnet: boundary-aware salient object detection
04-11
Q: "b'basnet：boundary-aware显著对象检测'。" A：basnet是一种基于深度学习的显著对象检测方法，它具有边界感知特性，能够准确地将显著对象从背景中分离出来。该方法在不同任务中具有广泛的应用，如图像分割、...
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