【论文研读】【医学图像分割】【BCRNN】Fine-grained Recurrent Neural Networks for Automatic Prostate Segmentation ...

最新推荐文章于 2024-01-10 23:59:28 发布
最新推荐文章于 2024-01-10 23:59:28 发布
阅读量712 收藏 5
点赞数
分类专栏： 论文研读 文章标签： 计算机视觉 rnn lstm
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_40690815/article/details/110247304
版权

【论文研读】【医学图像分割】【BCRNN】Fine-grained Recurrent Neural Networks for Automatic Prostate Segmentation inUltrasound Images

本文仅仅为个人快速阅读记录。推荐另一篇博客《精细递归神经网络在超声图像前列腺自动分割中的应用（读后感）》
Yang X , Yu L , Wu L , et al. Fine-grained Recurrent Neural Networks for Automatic Prostate Segmentation in Ultrasound Images[J]. 2016.

😄 😆 😊 😃 😏 😍 😘 😚 😳 😌 😆 😁 😉 😜 😝 😀 😗 😙 😛 😴 😟 😦 😧 😮 😬 😕 😯 😑 😒 😅 😓 😥 😩 😔 😞 😖 😨 😰 😣 😢 😭 😂 😲 😱

RNN

Abstract

超声图像中的前列腺自动分割。

  • 将边界转化为动态序列数据利用RNN进行处理。
  • 提出多视角融合策略。
  • 植入Auto-Context方案中。

Introduction

前列腺超声图像边界不完整。绿色、黄色和蓝色箭头分别表示边界不足、边界模糊和异质性严重。红色曲线表示分割的ground truth。

Methodology

解决方案总体框架如下图：

"多视角"下的多组数据送入本文提出的BCRNN，然后democratically merge 得到预测值，然后和原图整合再进行一轮…，三轮后得到最终结果。

Shape Inference with BCRNN

将超声图像由笛卡尔坐标系转换为图像中心周围的极坐标系统，生成序列化。如下图所示。

使用了双向LSTM，其中输入输出细节如下。

前后向lstm模块的输出结合进行预测。

Multiple Viewpoint Fusion

作者发现从不同的起始点序列化静态超声图像会导致形状预测略有不同，并将这种现象解释为，从不同的起始点进行序列化，可能会改变上下文相关的序列元素之间的相对距离，从而导致预测略有差异。

如图，第一种序列化方式保留了这三个片段之间的相对空间关系，而第二种方式破坏了片段间的连续性。由此便提出的"多视角融合"（选择从三个不同的角度对原始静态超声图像进行串行化）。

Multiscale Auto-Context for Refinement

Experimental Results

在这里插入图片描述

StevenGerrad
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tf.keras实现ViPTT-Net---基于LSTM的医疗多序列图像分类
爱CV
05-29 565
ViPTT-Net is a method that pretrains a hybrid CNN-RNN based model on realistic videos for human activity recognition task. It is then fine-tuned on a dataset of chest CT scans for the task of tuberculosis type classification. ViPTT-Net achieved 2nd place
细粒度语义分割：ICCV2019论文解析
吴建明wujianming_110117
03-28 1548
细粒度语义分割：ICCV2019论文解析 Fine-Grained Segmentation Networks: Self-Supervised Segmentation for Improved Long-Term Visual Localization 论文链接： http://openaccess.thecvf.com/content_ICCV_2019/papers/Larsson_Fi...
fine-grained-segmentation-networks:ICCV论文的代码“精细划分的细分网络
03-11
细粒度的细分网络：自我监督的细分以改善长期的视觉定位 这是在“细粒度细分网络：自我监督的细分以改善长期视觉本地化”（ ）中发布的工作的实现。 资源 本文使用的数据集发布在visuallocalization.net 训练有素的模型 安装 提供了一个Dockerfile，可使用此文件构建Docker映像，或参考文件中列出的要求。 此外，还提供了requirements.txt。 用法 下载城市景观和枫叶远景 使用/utils/convert_vistas_to_cityscapes.py为Vistas图像创建城市景观类注释 下载对应数据集 下载与对应数据集关联的图像（数据集自述文件中的说明） 创建一个global_otps.json并设置路径（请参阅global_opts_example.json） 从上面的训练有素的模型链接中获取基本模型，将“基本网络”文件夹放置在global_o
【论文笔记】Fine-Grained Segmentation Networks: Self-Supervised Segmentation for Improved Long-Term Visual
phy12321的博客
09-20 834
针对视觉定位的语义分割网络, ICCV 2019 论文工作的动机： using more segmentation labels to create more discriminative, yet still robust, representations for semantic visual localization 本文主要针对Long-term的视觉定位任务，提出了一个精细化分割网络，可以对场景进行精细化fine-grained的分割，得到相比于现有语义分割网络的分.
Fine-Grained Segmentation Networks: Self-Supervised Segmentation for Improved Long-Term Visual Local
ujn20161222的博客
02-15 378
Long-term visual localization is the problem of estimating the camera pose of a given query image in a scene whose appearance changes over time. It is an important problem in practice, for example, en...
【论文研读】【医学图像分割】【FCN+RNN】Recurrent Neural Networks for Aortic Image Sequence Segmentation with ...
qq_40690815的博客
11-27 832
主动脉医学序列图像分割，解决稀疏标注训练问题。使用了UNet和C-LSTM训练并应用了双向LSTM，将前后向的h串联进行卷积。由于注释数据不足使用了标签传播(label propgarion)，然后为解决传播中的误差累积使用了指数加权损失函数。
Temporal Query Networks for Fine-Grained Video Understanding.pdf
11-19
总结来说，"Temporal Query Networks for Fine-Grained Video Understanding"这篇论文提出了一种新颖的时间查询网络模型，该模型通过时间注意力机制和随机特征银行更新策略，有效地解决了视频中精细动作识别的问题。...
Coupled GAN for Continuous Fine-grained Action Segmentation.pdf
08-04
Coupled Generative Adversarial Network for Continuous Fine-grained Action Segmentation
论文研究-Research on Fine-grained Text Similarity Detection for Research Papers via Rhetorical Structure Theory.pdf
08-16
基于修辞结构理论的细粒度科技论文相似度检测研究，徐凡，朱巧明，自然语言处理中的文本相似度检测是比较重要的,然而目前工作主要从粗粒度角度展开的.据我们所知,本文首次描述了细粒度和基于篇章的
An Approach for Determining Fine-grained Relations for Wikipedia Tables.pdf
08-09
Wikipedia tables represent an important resource, where informationisorganizedw.r.ttableschemasconsistingofcolumns.In turneachcolumn,maycontaininstance values thatpointtoother ...
超声波传感器数据融合算法的研究
08-12
超声波传感器数据融合算法的研究超声波传感器数据融合算法的研究
基于深度学习的自然图像和医学图像分割：网络结构设计
小白学视觉
11-21 460
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来自 | 知乎 作者丨李慕清链接丨https://zhuanlan.zhihu.com/p/104854615本文仅作学术交流，如有侵权，请联联系删文处理。本文总结了利用CNNs进行图像语义分割时，针对网络结构的创新，这些创新点主要包括新神经架构的设计（不同深度、宽度、连接和拓扑结构）和新组件或层的设计。前者是利用已有的组件组...
图像分割论文:Quality-aware semi-supervised learning for CMR segmentation
jlch5555的博客
09-22 221
图像分割论文:Quality-aware semi-supervised learning for CMR segmentation Auther: Bram Ruijsink, Institution:King’s College London, Publish year: 2020 论文地址：https://arxiv.org/abs/2009.00584 Key point: 医学图像分割目前存在的问题是难以获取优质的带标注数据，而数据增强和半监督式的方法有效性有限。 作者基于这样一个前提：医学分割
深度学习在医学图像上应用
yunxinan的专栏
07-22 5853
细胞病理学识别和疾病组织目标检测是目标人工智能技术在影像医学和病理方向的重要应用。 该技术主要是前期的预处理技术复杂，主要原因是因为医学的相关病理特征成因复杂，图像方面的随机误差很大（噪音），图像断层之间的重叠。例如如果对图像的颜色没有识别要求，为了训练和计算方便采用的降维处理是将其灰化处理，然后使用分割算法将其不同的形态结构分离，该过程包含先将其腐蚀再膨胀然后过滤（一般情况中值滤波能去...
UMI——斯坦福刷盘机器人：从手持夹持器到动作预测Diffusion Policy(含代码解读)
最新发布
结构之法 算法之道
01-10 8521
如下图所示a)具有不同类型动作表示的显式策略(b)隐式策略学习以动作和观察为条件的能量函数，并对最小化能量景观的动作进行优化(c)扩散策略通过学习的梯度场将噪声细化为动作。这种表述提供了稳定的训练，允许学习到的策略准确地建模为多模态动作分布，并容纳高维动作序列进一步，所谓扩散策略，是指将机器人的视觉运动策略表示为条件去噪扩散过程来生成机器人行为的新方法扩散策略学习动作-分布评分函数的梯度即该策略不是直接输出一个动作，而是以视觉观察为条件，对K次去噪迭代推断“动作-得分梯度”(
探索乳腺肿瘤超声图像的创新分割：基于残差U-Net的方法
weixin_64112863的博客
12-27 1458
U-Net，最初为医学图像分割而设计，现已成为该领域的一个基准。它的核心特点是其对称的U形结构，由一个收缩路径和一个扩展路径组成。收缩路径负责捕获图像的背景信息，而扩展路径则用于精确定位感兴趣的区域。在乳腺肿瘤图像分割的应用中，U-Net的这种结构使得网络能够有效地从复杂的医学影像中提取出肿瘤特征，并在保持较低计算成本的同时实现高精度的分割。乳腺肿瘤超声图像的创新分割方法此方法利用编码器、混合注意力模块和解码器的结合来处理图像特征。
近两年值得阅读的十篇医疗图像分割文献
Haimerdinger的博客
09-14 7323
1. 题目：CE-Net: Context Encoder Network for 2D Medical Image Segmentation 发表日期：2020.3 论文网址：https://link.springer.com/chapter/10.1007%2F978-3-030-59725-2_26 推荐指数：★★★★★（五星是满分） 推荐理由： 1.亮点： （1）PPD模块：与高级特征相比，低级特征由于其更大的空间分辨率而需要更多的计算资源，但是对性能的贡献较小。基于Res2Net的b.
CRNN算法详解
热门推荐
Michael’s Blog
03-26 4万+
《An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition》，是比较老的一篇文章了，在2015年6月发表在arxiv上，但是该方法还是被广泛运用。 文章思想：文章认为文字识别是对序列的预测方法，所以采用了对序列预测...
RNN（Recurrent Neural Networks 循环神经网络） 戳进来就赚到了！
qq_44803965的博客
03-20 1405
前言 CNN模型主要用到人的视觉中枢，但其有一劣势，无论是人类的视觉神经还是听觉神经，所接受到的都是一个连续的序列，使用CNN相当于割裂了前后的联系。 CNN，训练样本输入输出确定，（输入连续的序列，长短不一：一段连续的手写文字），比较难切分一个独立样本： 【我是中国人，我的母语是___。】 RNN RNN是一种用来处理和预测序列数据的特殊的神经网络，这种神经网络的功能与人的思...
Fine-Grained Feature Enhancement for Object Detection in Remote Sensing Images
04-04
To evaluate the effectiveness of fine-grained feature enhancement for object detection in remote sensing images, experiments were conducted on two datasets: the NWPU-RESISC45 dataset and the DOTA ...
评论
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