(1) 调研:三维病灶检测的专利和最新文献;
答:①UNETR: Transformers fori 3D Medcal Image Segmentation
[Submitted on 18 Mar 2021]
论文使用的数据集:Medical Segmentation Decathlon,是3D的。
额外代码:TransUNet
https://github.com/Beckschen/TransUNet
②FocalMix:三维医学图像检测的半监督学习
在本文中,我们提出了一种新的方法,称为焦点混合,据我们所知,它是第一个利用半监督学习(SSL)的最新进展的三维医学图像检测。我们在两个广泛使用的肺结节检测数据集上进行了广泛的实验,LUNA16和NLST实验。结果表明,我们400个未标记的SSL方法可以比最先进的监督学习方法取得17.3%的显著改进。
本文的主要贡献是:我们提出了焦点混合,一种新的三维医学图像检测的半监督学习框架。据我们所知,我们的工作是第一个研究医学图像检测的半监督学习问题。通过大量的实验,我们证明了所提出的半监督方法可以显著提高全监督学习方法的性能。
2020年3月份
(2) 病灶检测的评价指标都有哪些?具体是如何计算的?
(3) 调研:脑卒中方面的dataset,包括缺血性脑卒中以及出血性脑卒中(即脑溢血)
①出血性脑卒中/脑溢血
RSNA Intracranial Hemorrhage Detection RSNA颅内出血检测
Identify acute intracranial hemorrhage and its subtypes 识别急性颅内出血及其亚型
RSNA北美放射学会Radiological Society of North America
一年前,公开,130+M和427.45GB,计算机断层扫描CT
6个标签类别,
Id,标签:
1硬膜外出血,0
1尿内出血,0
1脑室内出血,0
1蛛网膜下腔出血,0.6
1硬膜下出血,0
1任意,0.9(是否存在该亚型出血(或的情况下为任何出血)的可能性)
识别任何出血的位置和类型是治疗患者的关键步骤
预测给定图像中是否存在出血以及出血的类型。
有代码。
①①Cranium Image Dataset to Detect Intracranial Hemorrhage颅骨医学图像数据集用于检测颅内出血(同①)
问题:①下载数据时kaggle网站注册困难?
②大小到底是哪个?
RSNA Intracranial Hemorrhage Detection | Kaggle
②缺血性脑卒中
ISLES CHALLENGE 2015-2018
缺血性中风病变分割 ISCHEMIC STROKE LESION SEGMENTATION
在MICCAI,CTP后MRI DWI
格式NIFTI文件,是DICOM转换后的
问题:①下载数据集,需要用教育机构的邮件?
③The Anatomical Tracings of Lesions after Stroke (ATLAS) Dataset 中风后病灶解剖追踪数据集
T1加权MRI,包括手动分割的各种病变和元数据,分割
问题:①下载数据需要发邮箱?
②和这个相关的有三篇论文
③分割的数据集要研究吗?
(4) VFNet优化方面的最新文献,有何进展和突破?
SCNet不错,开源了,是backbone这块。
(5) 基于dcm图像如何进行脑的三维重建?
答:用MIMICS等软件,或者用深度学习方法(快)
传统算法MarchingCubes算法
最新论文和代码:MRI重建,MRI Reconstruction | Papers With Code
想法:transformer三维重建和三维目标检测?应该怎样用于三维重建?