unet知乎_医学多模态图像分割小结

本文总结了多模态医学图像分割的研究,特别是针对肺癌和脑部疾病的深度学习方法。讨论了输入级、层级和决策级的融合策略,并列举了几种具体实现,如U-net和V-net的变体。实验表明,融合不同模态信息能提升分割效果。
摘要由CSDN通过智能技术生成

在医学图象中,多模态数据因成像机理不同而能从多种层面提供信息。多模态图像分割包含重点问题为如何融合(fusion)不同模态间信息,本文主要记录笔者最近所读,欢迎批评指正补充

1. A review: Deep learning for medical image segmentation using multi-modality fusion (Array 2019)***

融合策略分类

综述,按照方法的位置将融合策略分为三大类:Input-level, Layer-level, Decision-level.

数据集:

几种多模态数据集

2. Co-Learning Feature Fusion Maps from PET-CT Images of Lung Cancer (TMI 2019)****

Abstract : Layer-level fusion, U-net, PET-CT, Lung cancer

Method : 对CT与PET各一个encoder,不同层feature stack后经conv得到权重,与concat后的feature点积,得加权feature map。

Experiment : 肺癌数据,对比layer-level fusion : MB(multi-

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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