淋巴结分割

最新推荐文章于 2025-04-23 16:28:51 发布
最新推荐文章于 2025-04-23 16:28:51 发布
阅读量226 收藏
点赞数
分类专栏： 笔记 文章标签： 机器学习
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_43349542/article/details/117233974
版权

淋巴结
在这里插入图片描述

纵膈淋巴结：
纵隔淋巴结肿大淋巴结定位于纵隔。纵隔是位于肺之间的区域，包含心脏，食道，气管，心脏神经， 胸腺和中央胸腔的淋巴结。
淋巴结肿大称为淋巴结肿大。纵隔淋巴结肿大通常提示与肺相关的问题，无论是良性还是恶性。
在这里插入图片描述
腹部淋巴结
在这里插入图片描述
正常大小5mm~10mm

CT_lymph_node 淋巴结数据集介绍
XX|XX的博客
09-09 2504
数据集来源 该淋巴结公开数据集由TCIA提供，由纵隔和腹部的计算机断层扫描（CT）图像组成，由美国国立卫生研究院NIH临床中心的放射线医师标记了淋巴结位置。 影像生物标志物和计算机辅助诊断实验室的放射科医生在90例患者的CT图像中标记了总共388个纵隔淋巴结，在86例患者中标记了595个腹部淋巴结。 该集合针对医学图像计算，以开发和评估计算机辅助检测方法。 淋巴结的自动检测可能是重要的临床诊断工具，但是由于CT中周围结构的对比度低以及它们的大小，姿势，形状和稀疏分布的位置，因此非常具有挑战性。 该数据集可用
记录：在恒源云服务器上进行的,使用nnUNetv2做食管癌淋巴结分割任务
m0_67630925的博客
08-30 1427
训练时也有可能造成内存或cpu爆炸,可以在nnUNet_preprocessed/nnUNet_xxx(这里的xxx为2d or 3d_fullres or 3d_lowres)中imagesTr中的.npy文件,无脑删除就行.export nnUNet_n_proc_DA="num"(num可以选择2 or 4 or 6 or 8,数字越小处理越慢,数字越大内存爆的风险越大)2d\3d_fullres\对于部分数据集来说还有3d_lowres, 3d_cascade_fullres。
dataframe切片_Kaggle：识别淋巴结病理切片有无癌细胞（logistic+svm+rf+CNN）
weixin_39719472的博客
11-24 1626
介绍目的：识别淋巴结病理切片有无癌细胞数据：Histopathologic Cancer Detection（鉴别淋巴结病理切片有无癌细胞），为图像二分类数据集 (图片大小 )，来自 Kaggle，可下载；为减少运算时间，仅使用 220025 张训练集中的 12000 张图片用于分析（已知标签），划分训练集（8000 张）、验证集（2000 张）和测试集（2000 张）；训练集用于建模，验证集用于...
基于深度强化学习的CT图像弱监督淋巴结分割
qq_43349542的博客
05-26 1020
论文：Deep Reinforcement Learning for Weakly-Supervised Lymph Node Segmentation in CT Images Abstract：准确和自动化的淋巴结分割是定量评估疾病进展和潜在治疗的关键。淋巴结形态的复杂变化和获取体素式人工标注的困难使得淋巴结分割成为一项具有挑战性的任务。由于实体肿瘤反应评估标准(RECIST)注释(指示淋巴结的位置、长度和宽度)在医院数据档案中通常可用，我们提倡使用RECIST注释作为监督，从而将这一分割任务表述为弱监
深度学习在淋巴结检测与分割中的应用研究
weixin_42113456的博客
04-23 257
本章节主要探讨了数据驱动的方法用于检测和分割腋下、腹部/盆腔和纵隔区域的淋巴结。通过使用机器学习分类器和特征提取技术，以及结合专家分割数据，研究者们展示了如何在CT扫描中识别和分割不同大小和类型的淋巴结。实验结果表明，使用特定的特征和参数设置能显著提高检测的准确性，同时减少重复检测。此外，章节还强调了空间先验知识在提高检测性能中的重要性。
数据驱动下的淋巴结检测与分割技术
最新发布
weixin_42160645的博客
04-23 292
本文介绍了基于学习的技术，用于CT数据中的淋巴结（LN）检测和分割，以及它们在检测腋窝、盆腔、腹部和纵隔LN中的应用。文中详细探讨了使用Haar特征和自对齐特征的LN中心候选检测，以及基于分割的验证方法，如可变形模型和图割方法。此外，还探讨了空间先验的应用，以及在不同解剖区域实施系统的实验结果。
动态梯度稀疏化训练在CT淋巴结分割基础模型的少样本微调中的应用
栖客
03-05 562
准确的淋巴结（LN）分割对于放射治疗计划、预后分析和随访至关重要，但受限于需要大量标注数据。尽管基于深度学习的分割基础模型显示出用较少样本开发高性能模型的潜力，但在医疗适应方面面临淋巴结领域特定先验不足和复杂临床实践中少样本微调效率低下的问题，突显了建立淋巴结分割基础模型的必要性。在这项工作中，我们对公开可用的3,346个头颈部CT扫描中标注了36,106个可见淋巴结，以建立一个稳健的LN分割模型（nnUNetv2）。在此基础上，我们提出了ynamicradient。
基于数据驱动的淋巴结检测与分割技术解析
weixin_42602726的博客
04-23 298
本章节介绍了一种基于数据驱动的淋巴结（LNs）检测与分割方法。通过使用稳健的数据项和高斯马尔可夫随机场（MRF）来获得平滑的分割，并忽略异常值。此外，采用了图割方法和可变形模型来实现分割，并通过梯度下降法来最小化能量函数。本方法还结合了空间先验知识，以减少误检并提高检测性能。通过实验验证了该方法在腋窝和腹部/盆腔区域淋巴结检测的有效性。
【PyTorch项目实战】肿瘤检测：AI辅助诊断（低倍率分割淋巴结 + 高倍率分类肿瘤 + 热图计算T/MLN） + 专家审查
shinuone的博客
02-13 1506
肿瘤检测：（1）分割网络（在 1 倍 WSI 上分割 LN），提取淋巴结区域，去除淋巴结外的脂肪、肌肉等组织。（2）分类网络（在 20 倍 LN 上分割肿瘤），用于将淋巴结区域分类为肿瘤区域和淋巴细胞区域。（3）根据热图，计算肿瘤转移淋巴结面积比（T/MLN）。
基于机器学习的CT图像直肠肿瘤分割与直肠癌淋巴结转移的智能诊断.pdf
09-24
基于机器学习的CT图像直肠肿瘤分割与直肠癌淋巴结转移的智能诊断 基于机器学习的CT图像直肠肿瘤分割与直肠癌淋巴结转移的智能诊断是近年来研究的热点之一。随着图像处理与人工智能技术的发展，通过医学影像大数据的...
淋巴结超声造影图像序列的特征提取
03-06
研究中提出的特征提取方法包括心脏周期提取、序列选择、淋巴结分割、纹理特征提取和统计检验。 心脏周期提取是通过分析造影剂在心脏跳动过程中的分布动态来获取图像序列中的相关特征。序列选择则是从整个图像序列中...
Swin Transformer详解
热门推荐
qq_43349542的博客
07-09 2万+
之前transformer主要用于NLP领域，现在也应用到了CV领域。
nn.AvgPool2d()函数
qq_43349542的博客
07-04 1万+
X为输入图像的大小 通过nn.AvgPool2d()函数输入和输出的特征层数目不变，特征图大小改变。 nn.AvgPool2d(2,2)和nn.MaxPool2d(2, 2)一样是图像大小缩小为原来的一半。
python 预测值和真实值分析 散点图
qq_43349542的博客
08-09 1万+
import numpy as np import csv import matplotlib.pyplot as plt class MLR: def __init__(self,x,y,intercept=True): self.x=x self.y=y self.ic=intercept def fit(self): if self.ic: ones=np.ones(self.x.shape)
单目深度估计总结
qq_43349542的博客
05-12 1万+
计算机视觉里的深度是指物体离相机的距离，表示为相机坐标系下的Z坐标值。 相对深度和绝对深度估计 单目视频序列深度估计 自监督，需要知道估计相机的姿态变化或者是否固定 首先找到相邻图像对应点的组合，根据这些匹配的点对计算出相机的位姿（相对初始位置，相机的旋转和平移）。 单目深度估计（单图） 1.需要ground truth depth map的深度图的估计(运用到地铁上时需要自己制作数据集，显然不合适，自己只能制作像kitti这样的数据集) 2.不需要 真实值，由深度线索生成深度图。 ...
NOAA官网下载数据
qq_43349542的博客
05-29 8553
在noaa网站下载数据的方法 网站：http://psl.noaa.gov 在里面找到所需要的数据 我所需要的是全球海表面温度数据sst，通过搜索 找到：NOAA OI SST V2 High Resolution Dataset 选择每日平均温度，数据格式是nc格式 用火狐浏览器也不能直接下载，我通过在ubuntu的终端输入wget命令： wget https://downloads.psl.noaa.gov/Datasets/noaa.oisst.v2.highres/sst.day.mean.ltm.
3DSA-MFN:用于高光谱图像分类的结合3D自注意力的多尺度特征融合网络
qq_43349542的博客
03-29 7871
论文题目： Multiscale Feature Fusion Network Incorporating 3D Self-Attention for Hyperspectral Image Classification 作者： 中北大学 期刊： 中科院二区 Remote Sensing 摘要： 近年来，基于深度学习的高光谱图像（HSI）分类方法取得了巨大成功，卷积神经网络（CNN）方法在HSI分类任务中取得了良好的分类性能。然而，卷积操作仅适用于局部邻域，并且在提取局部特征方面是有效的。长距离的交互特征
浏览器未连接到互联网
qq_43349542的博客
05-22 6250
解决方法： 1.打开控制面板 2.选择 Internet选项 3.菜单栏点击“连接”，选择“”局域网设置“” 4.取消“为LAN使用代理服务器…”，选择“自动检测设置”，确认，确认
DGST技术提升CT淋巴结少样本微调模型性能
资源摘要信息:"动态梯度稀疏化训练在CT淋巴结分割基础模型的少样本微调中的应用" 动态梯度稀疏化训练（DGST）是一种在医学图像分割，特别是在CT淋巴结（LN）分割领域中应用的少样本微调技术。其目标在于通过少量...
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