A2333fun-CSDN博客

转载 Image.open()和cv2.imread()

参考：https://www.jianshu.com/p/c900555b90cf

2021-09-21 10:15:38 185

原创论文阅读：Seg4Reg Networks for Automated Spinal Curvature Estimation

Seg4Reg Networks for Automated Spinal Curvature Estimation用于自动脊柱曲率估计的Seg4Reg网络来源：腾讯优图AASCE第一名源代码：https://github.com/hust-linyi/Seg4Reg摘要在本文中，我们提出了一种新的管道来进行精确的脊柱弯曲度估计。该框架名为Seg4Reg，包含两个深度神经网络，分别专注于分割和回归。基于分割模型产生的结果，回归网络直接从分割掩模预测Cobb角。为了缓解训练集和测试集之间出现的领域漂

2021-09-14 20:59:35 462 1

原创论文阅读：Automatic segmentation of pulmonary lobes using a progressive dense V-network

Automatic segmentation of pulmonary lobes using a progressive dense V-network使用渐进密集 V 网络自动分割肺叶来源：2018MICCAI摘要可靠、自动的肺叶分割对肺部疾病的诊断、评估和量化具有重要意义。现有的技术是令人望而生畏的缓慢，不可取地依赖于预先(气道/血管)分割，和/或需要用户交互以获得最佳结果。该工作提出了一种可靠、快速、全自动的基于渐进密集v网(PDV-Net)的肺叶分割方法。该方法使用1个Nvidia Tit

2021-09-07 15:57:53 715 1

原创论文阅读：Analysis of Scoliosis From Spinal X-Ray Images

Analysis of Scoliosis From Spinal X-Ray Images脊柱侧凸的x线影像分析摘要脊柱侧弯是一种先天性疾病，脊柱从其正常形状变形。测量脊柱侧弯需要标记和识别脊柱中的椎体。脊柱x光片是脊柱成像最具成本效益和最方便的方式。在影像引导下的脊柱评估、疾病诊断和治疗计划中，可靠准确的椎体分割是至关重要的。传统的评估依赖于繁琐和耗时的手工测量，这受到观察者之间的变化的影响。在文献中没有一种全自动的方法可以准确地识别和分割相关椎体。利用经过微调的U-Net模型和渐进式侧输出，我们

2021-09-06 16:18:53 1371

原创论文阅读：VinDr-SpineXR: A deep learning framework for spinal lesions detection and classification from r

VinDr-SpineXR: A deep learning framework for spinal lesions detection and classification from radiographsVinDR-SpineXR：一种用于从X光片中检测和分类脊柱病变的深度学习框架时间：2021开源地址（未发布）：https://github.com/vinbigdata-medical/vindr-spinexr摘要在临床实践中，X光片被用作识别脊柱异常的最重要的成像工具。然而，对于放射科

2021-09-04 14:48:07 1068 1

原创论文阅读：A digitally reconstructed radiograph algorithm calculated from first principles

A digitally reconstructed radiograph algorithm calculated from first principles基于第一性原理计算的数字重建射线照相算法最近在研究DRR的生成方式，有兴趣一起讨论加q734405202**目的：**开发一种算法，用于计算符合真实锥形束CT (CBCT)投影的真实数字重建x线照片(drr)，无需人工调整。CBCT就是Cone beam CT的简称，即锥形束CT。顾名思义是锥形束投照计算机重组断层影像设备，其原理是X线发生器

2021-09-03 15:35:33 853

原创论文阅读：XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors

XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors来源：MICCAI2021摘要x光照片通过使用x光将病人的内部解剖可视化，x光将三维信息投射到2D平面上。因此，射线照片分析自然需要医生将关于3D人体解剖的先验知识与2D射线照片联系起来。在小范围内合成新的射线照片可以帮助医生更可靠地解释解剖结构；然而，x光照片视图合成严重不适定，缺乏配对数据，并且缺乏可区分的操作来利用基于学习的方法。为了解决这些问题

2021-08-08 19:57:24 869

原创论文阅读：CTSpine1K：A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography

CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed TomographyCTSPINE1K：计算断层扫描中的脊髓椎骨分段大规模数据集摘要脊柱相关疾病发病率高，造成巨大的社会成本负担。脊柱成像是非侵入性可视化和评估脊柱病理的重要工具。CT图像中的脊椎分割是定量医学图像分析的基础，为脊柱疾病的临床诊断和手术规划奠定了基础。目前公开可用的脊椎注释数据集都很小。由于缺乏大规模的标注脊柱图像数据集，主流的基

2021-07-30 20:01:10 1564

原创论文阅读：You Only Learn Once: Universal Anatomical Landmark Detection

Y ou Only Learn Once: Universal Anatomical Landmark Detection你只学习一次：通用解剖学标志点检测单位：北大奇迹组发表：2021MICCAI源代码地址：源代码摘要检测医学图像中的解剖标志点在理解解剖和计划自动化处理方面发挥着重要作用。近年来，已经开发出各种深度神经网络方法自动检测地标。然而，所有这些方法都是单一的，在某种意义上，一个高度专业化的网络被训练为一个单一的任务，比如与一个特定的解剖区域相关的任务。在本次工作中，我们首次研究了

2021-07-30 20:00:46 784

原创论文阅读：X-ray2Shape: Reconstruction of 3D Liver Shape from a Single 2D Projection Image

X-ray2Shape: Reconstruction of 3D Liver Shape from a Single 2D Projection ImageX-ray2Shape:从单个2D投影图像重建三维肝脏形状摘要计算机断层扫描(ct)和磁共振成像(MRI)扫描仪测量患者的三维(3D)图像。然而，在手术或放射治疗期间，只能获得低维局部二维(2D)图像。尽管计算机视觉技术已经表明可以从多个2D图像中估计3D形状，但是从单个2D图像(例如内窥镜图像或x光图像)中重建形状仍然是一个挑战。在这项研究中，

2021-07-30 19:59:43 574 3

原创论文阅读：CCX-RAYNET: A CLASS CONDITIONED CONVOLUTIONAL NEURAL NETWORK FOR BIPLANAR X-RAYS TO CT VOLUME

CCX-RAYNET: A CLASS CONDITIONED CONVOLUTIONAL NEURAL NETWORK FOR BIPLANAR X-RAYS TO CT VOLUMECcx-raynet:用于双平面x射线和ct体积的一类条件卷积神经网络来源：IEEE2021摘要尽管深度神经网络技术有了长足的发展，但基于对应的2D x射线进行三维CT重建仍然是计算机视觉领域的一项具有挑战性的任务。为了解决这个问题，我们提出了一种新的类条件网络，即CCXrayNet，它能够熟练地在得到的CT体积中重

2021-07-29 18:43:01 478

原创论文阅读：Pix2Vox++: Multi-scale Context-aware 3D Object Reconstruction from Single and Multiple Images

Pix2Vox++: Multi-scale Context-aware 3D Object Reconstruction from Single and Multiple ImagesPix2Vox++:基于单个和多个图像的多尺度上下文感知三维对象重建来源：International Journal of Computer Vision 2020源码摘要利用深度神经网络从单幅或多幅图像中恢复物体的三维形状在过去的几年中受到越来越多的关注。主流作品(例如3D-R2N2)使用递归神经网络(RNNs)

2021-07-15 16:51:38 975

原创论文阅读Patient-specific reconstruction of volumetric computed tomography images from a single projectio

Patient-specific reconstruction of volumetric computed tomography images from a single projection view via deep learning通过深度学习从单一投影视图重建特定于患者的体积计算机断层扫描图像发表：nature biomedical engineering源码：https://github.com/liyues/PatRecon摘要使用穿透波的断层成像可以生成活体内部解剖的横断面图。对于

2021-07-03 15:15:11 1144 3

原创论文阅读Drafting and Revision: Laplacian Pyramid Network for Fast High-Quality Artistic Style Transfer

Drafting and Revision: Laplacian Pyramid Network for Fast High-Quality Artistic Style Transfer起草和修订：拉普拉斯金字塔网络快速高质量艺术风格转移作者：知乎出处：cvpr2021作者单位：百度视觉技术部视频理解与编辑组这篇论文主要针对当前的前馈风格化网络对于复杂的风格纹理迁移不理想的问题，提出了一种基于拉普拉斯金字塔的风格化网络，在风格化速度和质量上均有很大的提升。摘要艺术风格转换的目的是将风格从样例

2021-07-03 15:04:51 559

原创论文阅读：Automatic Cobb Angle Detection using Vertebra Detector and Vertebra Corners Regression

Automatic Cobb Angle Detection using Vertebra Detector and Vertebra Corners Regression自动Cobb角检测使用椎体检测器和椎体角回归摘要正确评估和治疗脊柱侧弯需要准确估计脊柱弯曲。目前的黄金标准是人工估计脊柱x射线图像的柯布角，这是耗时的，有很高的内部变化率。我们提出了一种自动的方法与一个新的框架，首先检测椎体作为目标，然后一个地标探测器估计每个椎体的4个地标角分别。Cobb角是利用从预测的地标得到的每个椎体的斜率来计

2021-07-02 11:10:47 1442 14

原创论文阅读基于端到端卷积神经网络的双平面x射线膝关节三维重建

https://www.rsipvision.com/orthopedic-surgery-planning-navigation/

2021-05-28 14:59:00 1250 6

原创论文阅读：Coarse to Fine Vertebrae Localization and Segmentation with SpatialConfiguration-Net and U-Net

Coarse to Fine Vertebrae Localization and Segmentation with SpatialConfiguration-Net and U-Net基于SpatialConfiguration-Net and U-Net的脊椎由粗到细的定位与分割源代码参考博文论文简介：MICCAI 2019大型椎体分割挑战赛第一名摘要从脊柱CT体积中定位和分割椎体对于病理诊断、手术计划和术后评估至关重要。然而，由于病理学的解剖学变化，螺钉和植入物引起的噪声以及螺钉和植

2021-05-07 15:52:25 1564 7

原创 pytorch：torch_scatter.scatter_max（）

torch_scatter.scatter_max(src, index, dim=-1, out=None, dim_size=None, fill_value=None)根据index将src分组，求每一组中的最大值输出到outdim是维度from torch_scatter import scatter_maxsrc = torch.Tensor([[2, 0, 1, 4, 3], [0, 2, 1, 3, 4]])index = torch.tensor([[4, 5, 4, 2

2021-04-26 20:30:33 2765

原创论文阅读Anisotropic Convolutional Networks for 3D Semantic Scene Completion

Anisotropic Convolutional Networks for 3D Semantic Scene Completion用于3D语义场景补全的各向异性卷积网络摘要作为体素级的标注任务（voxel-wise labeling task），语义场景补全(SSC)试图从单个深度和RGB图像中同时推断场景的占有率和语义标签。SSC面临的关键挑战是如何有效地利用3D环境对形状、布局和可见性有很大变化的各种对象或物品进行建模。为了处理这种变化，我们提出了一种新的模块，称为各向异性卷积（anisotr

2021-04-26 18:33:56 331

原创 anaconda下安装pytorch

安装教程：https://www.jianshu.com/p/ee08ca2c1160问题第三步：其中加入最后一项anaconda命令建立虚拟环境时，会同时安装例如Notebook、Numpy、Scipy、Matplotlib、Pandas等数据分析包，用户也可以不加，选择后续安装。但是实际并没有安装jupyternotebook解决：step 1：激活环境activate pytorchstep2：conda install ipykernelstep3：python -m

2021-04-11 21:16:57 78

原创论文阅读Vertebral Labelling in Radiographs: Learning a Coordinate Corrector to Enforce Spinal Shape

Vertebral Labelling in Radiographs: Learning a Coordinate Corrector to Enforce Spinal Shapex线片中的脊椎标记:学习坐标校正器以加强脊柱形状论文单位：慕尼黑工业大学信息学系，慕尼黑，德国作者：Amirhossein Bayat, Anjany Sekuboyina发表期刊：CSI2019摘要在脊柱x线片上定位和标记椎骨在脊柱侧凸和退行性疾病的脊柱形状分析中有重要的应用。然而，由于组织覆盖和脊柱x线片的大小，

2021-04-08 10:49:14 221

原创论文阅读Reconstructing CT from Biplanar X-Rays with Generative Adversarial Networks

Reconstructing CT from Biplanar X-Rays with Generative Adversarial Networks基于生成对抗网络的双平面x线重建CT来源：CVPR2019作者单位：腾讯，浙江大学，上海交通大学摘要计算机断层扫描(CT)可以提供患者内部器官的3D视图，有助于疾病诊断，但它会给患者带来更多的辐射剂量，而且CT扫描仪的成本也比x光机高得多。传统的CT重建方法需要通过对身体的全面旋转扫描进行数百个x射线投影，这在典型的x射线机器上是无法完成的。传统的C

2021-04-06 12:51:56 3235 5

原创 vs2017配置安装ITK4.13.3（详细版本）

参考博文：https://blog.csdn.net/weixin_42512684/article/details/104068756环境配置如下：Visual Studio2017，cmake 3.19.3，ITK 4.13.3;给出ITK下载百度云地址：链接：https://pan.baidu.com/s/15HGwhSJtlttV0Ys7CF_0BQ提取码：4v7p接下来分为三大步：第一步：cmake编译（比较复杂，时间较长，容易出错，文中会给出编译完成的版本下载以后直接跳到第二步）

2021-03-31 13:06:53 1045 2

原创论文阅读：Inferring the 3D Standing Spine Posture from 2D Radiographs

Inferring the 3D Standing Spine Posture from 2D Radiographs从2D x光片推断三维站立的脊柱姿势摘要治疗退行性脊柱疾病需要在3D中了解单个脊柱的解剖结构和曲率。在自然负重下的脊柱直立姿势(即站立)对于这种生物力学分析是至关重要的。对躺卧的患者进行3D体积成像(如CT和MRI)。另一方面，x光片是在直立姿势拍摄的，但结果是2D投影。这项工作旨在整合这两个领域，也就是说，它将x光片显示的脊柱垂直曲率与CT成像显示的脊柱三维形状相结合，从而合成自然加

2021-03-29 18:22:13 648 4

原创论文阅读Dual-Level Selective Transfer Learning for Intrahepatic Cholangiocarcinoma Segmentation

Dual-Level Selective Transfer Learning for Intrahepatic Cholangiocarcinoma Segmentation in Non-enhanced Abdominal CT论文来源：MICCAI标题双水平选择性迁移学习在非增强腹部CT肝内胆管癌分割中应用摘要在无增强的腹部CT图像中自动准确地分割肝内胆管癌(ICC)可以为临床决策提供重要的帮助。虽然深度神经网络为ICC分割提供了一种有效的工具，但收集大量的注释数据用于深度网络训练对于这类应

2021-03-25 20:54:14 289 1

qq_42042757的博客