- 博客(22)
- 收藏
- 关注
RSS订阅原创 论文解读《Mutual Correction Framework for Semi-Supervised Medical Image Segmentation》
最后，在两个不同模态的公开基准数据集上的分割结果显示了MCF在半监督医学图像上的潜力，取得了最先进的性能。我们巧妙地使用Dice损失来实时测量子网的分割性能，并选择一个性能更好的子网作为另一个子网的伪标签生成器。我们使用dice损失作为评价标准，因为损失可以直接反映dice系数，并且不会引入额外的计算，它是在标记数据上计算的。CDR的灵感来自一个简单的事实:在二分类场景中，如果两个分类器对相同的体素有不同的预测，那么其中一个肯定是错误的。因此，将不一致的预测视为可能的错误预测区域，并让网络审查这些区域。
2023-10-25 16:54:48
1251
9
原创 论文解读《Semi-supervised Pathological Image Segmentation via Cross Distillation of Multiple Attentions》
引入了CDKD来增强MTNet利用未标记图像的能力，并消除带有噪声的伪标签的负面影响。为标记训练图像上三个分支的平均监督学习损失，每个分支的监督学习损失计算概率预测(PcsA, PcA和PsA)与groundtruth标签之间的Dice损失和交叉熵损失。注意，T = 1对应的是一个标准的Softmax函数，T值越大，概率分布越软，熵越高。在未来，将我们的方法应用于多类分割任务和来自不同器官的病理图像是有兴趣的。不同的基于注意的解码器分支关注特征映射的不同方面，导致不同的输出，这有利于半监督学习。
2023-08-06 09:54:32
419
4
原创 论文解读《Bidirectional Copy-Paste for Semi-Supervised Medical Image Segmentation》
*（2）**为了训练学生网络，我们通过从有标签的图像(前景)复制粘贴随机作物到无标签的图像(背景)，并相反地，从无标签的图像(前景)复制粘贴随机作物到有标签的图像(背景)来增加输入。具体来说，我们将随机裁剪的图像从标记图像(前景)复制粘贴到未标记图像(背景)上，并将未标记图像(前景)复制粘贴到标记图像(背景)上。[42]是一种简单而强大的数据处理方法，也被称为复制粘贴（CP），它有可能鼓励未标记的数据从标记的数据中学习通用语义，因为同一地图中的像素共享的语义更接近[29]。，指示背景和目标在X中的位置。
2023-06-28 21:33:59
1408
1
原创 论文解读《Conflict-Based Cross-View Consistency for Semi-Supervised Semantic Segmentation》
我们可以观察到，CCR方法可以产生比我们的CVC方法更有信心的预测，而我们的CVC方法的性能优于CCR方法，这表明CCR方法将产生比我们的CVC方法更有信心但不正确的预测。实验结果表明，CCVC方法在使用不同的骨干网时，也可以在所有分区协议下实现SOTA结果，特别是在1/16分区协议下，在使用ResNet-50和ResNet-101作为骨干网时，CCVC方法比目前的SOTA方法分别高出1.7%和1.7%，验证了所提方法的有效性。来最小化特征提取器提取的特征之间的相似性，从而迫使两个子网学习不同的信息。
2023-05-06 11:09:25
769
1
原创 论文解读《Uncertainty-Guided Mutual Consistency Learning for Semi-Supervised Medical Image Segmentation》
同时，我们的方法在Dice中获得了90.16%的可比性结果，与91.14%的上限性能相比，并且在所有四个评价指标上都显著优于其他半监督分割方法。此外，我们提出的框架以模型估计的分割不确定性为指导，选择出相对确定的预测进行一致性学习，从而有效地从未标记的数据中挖掘出更可靠的信息。2)与其他半监督分割方法相比，在相同的骨干网和任务设置下，我们提出的方法在两个数据集上实现了更好的分割性能。其中（Fseg，Fdis）和（F‘seg，F’dis)分别表示学生模型和教师模型的分割分支和回归分支的输出。
2023-03-19 11:15:47
1216
原创 论文解读《Semi-supervised Left Atrium Segmentation with Mutual Consistency Training》
1）** 低估了训练中挑战性区域(如小分支或模糊边缘)的重要性。**（2）** 提出了一种Mutual Consistency Network(MC-Net)用于从3D MR图像中分割半监督左心房。**(3)** MC-Net优于最近六种半监督左心房分割方法，并在LA数据库上设置了最新的最先进的性能。
2023-01-17 16:57:13
829
5
原创 论文解读《Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision》
本文通过研究有标签数据和无标签数据，研究了半监督语义分割问题。提出了一种新的一致性规则化方法——交叉伪监督
2022-11-20 13:03:04
2163
原创 《Semi-supervised Medical Image Segmentation Using Cross-Model Pseudo-Supervision with Shape Awarene》
111
2022-09-29 11:15:55
1930
原创 论文解读《Semi-supervised Semantic Segmentation with Error Localization Network》
111111
2022-07-15 21:17:09
1365
原创 论文解读《Beyond Self-attention: External Attention using Two Linear Layers for Visual Tasks》
论文解读《超越自注意力机制：视觉任务中使用两个线性层的外部注意力机制》期刊名：CVPR2021代码：代码地址论文地址：论文地址一、摘要：1） 注意力机制，特别是自注意力机制（self-attention），在视觉领域中的深度特征表示扮演重要角色。在自注意力机制中，特征图每个位置的更新都是使用计算特征图的加权和得到的，这个权重来源于所有位置中的成对关联，自注意力机制的长程依赖得以建立，但是自注意力机制有平方的复杂度以及对不同特征图之间的潜在关联的忽略。本文提出一个叫外部注意力的新的注意力机制。该注意
2022-05-01 21:41:17
827
原创 论文解读《Semi-supervised Contrastive Learning for Label-efficient Medical Image Segmentation》
论文解读《半监督对比学习高效标签的医学图像分割》期刊名： MICCAI 2021代码： 代码地址论文地址： 论文地址摘要：深度学习方法在医学图像分割分割任务中的成功与否，很大程度上依赖于大量标注数据的监督训练。另一方面，生物医学l图像的注释需要领域知识，可能很费力。近年来，对比学习在学习图像的潜在表征方面表现出了巨大的潜力。现有的工作已经探索了它在生物医学图像分割中的应用，其中只有一小部分数据被标记，通过基于自我监督对比学习的训练前阶段，不使用任何标签，然后只对标记的部分数据进行监督微调阶段。在
2022-03-31 20:34:13
4225
原创 论文解读《基于伪标签自训练的局部对比损失半监督医学图像分割》
论文解读《Local contrastive loss with pseudo-label based self-training for semi-supervised medical image segmentation》发表期刊：NeurIPS2021（神经信息处理系统大会（NeurIPS），前称NIPS，是一个机器学习和计算神经科学相关的学术会议，每年12月举行。）代码： 代码链接论文：论文地址分区： CCF-A摘要： 基于监督深度学习的方法可以为医学图像分割提供精确的结果。然而，它们需要
2022-02-18 00:37:34
6522
原创 论文解读《Co-Correcting:Noise-tolerant Medical Image Classification via mutual Label Correction》
论文解读《Co-Correcting:Noise-tolerant Medical Image Classification via mutual Label Correction》论文解读：协同校正:通过相互标签校正的抗噪声医学图像分类期刊名： IEEE TRANSACTIONS ON MEDICAL IMAGING （医学影像学报）期刊名缩写： IEEE T MED IMAGING国际刊号 ： 0278-00622021年影响因子/JCR分区： 10.048/Q1CCF： B区代码： 代
2022-01-09 17:44:00
2477
原创 论文解读《BiX-NAS: Searching Efficient Bi-directional Architecture for Medical Image Segmentation》
论文解读《BiX-NAS: Searching Efficient Bi-directional Architecture for Medical Image Segmentation》论文解读《BiX-NAS:搜索医学图像分割的高效双向架构》
2021-11-09 21:10:49
4922
原创 论文解读《TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation》
论文解读《TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation》TransUNet:用于医学图像分割的变压器强编码器发表期刊：摘要：
2021-09-29 00:36:15
15944
46
原创 论文解读《PScL-HDeep:基于图像的蛋白质利用集成在人体组织中的亚细胞预测定位》
论文解读《PScL-HDeep:基于图像的蛋白质预测利用集成在人体组织中的亚细胞定位学习手工制作和深度学习功能具有两层特征选择》期刊名： BRIEFINGS IN BIOINFORMATICS期刊名缩写：BRIEF BIOINFORM国际刊号：1467-54632021年影响因子/JCR分区：11.622/Q2中科院分区大类：生物 2区[Top]小类：数学与计算生物学 1区|生化研究方法 1区一、摘要1、蛋白质亚细胞定位在表征蛋白质的功能和理解各种细胞过程中起着至关重要的作用。准确识别蛋白
2021-08-27 16:07:05
942
5
原创 论文解读《Protein subcellular localization based on deep image features and criterion learning strategy》
论文解读《Protein subcellular localization based on deep image features and criterion learning strategy》基于深度图像特征和标准学习策略的蛋白质亚细胞定位期刊名： BRIEFINGS IN BIOINFORMATICS期刊名缩写：BRIEF BIOINFORM国际刊号：1467-54632021年影响因子/JCR分区：11.622/Q2数据链接：数据百度云链接密码：yl43中科院分区：大类：生物 2区
2021-08-11 10:49:16
456
原创 论文解读《DNA Binding Site Prediction Using a Deep Learning Method》
DNA Binding Site Prediction Using a Deep Learning Method：（DNA结合位点的深度预测学习方法）期刊名缩写：INT J MOL SCI国际刊号：1422-00672021年影响因子/JCR分区：5.923/Q2中科院分区：二区代码链接：代码链接论文链接：论文链接摘要：由于DNA结合蛋白上的DNA结合位点为蛋白质功能和药物发现提供了重要线索，因此开发一种新的、可靠的DNA结合位点预测方法是未来研究的关键。然而，目前的DNA结合位点预测方法
2021-07-25 17:20:11
1436
1
原创 论文解读《Text Compression-aided Transformer Encoding》
目前最先进的变压器编码器中的自关注机制已经很好地完成了这一工作，它给许多NLP任务带来了显著的性能改进。尽管Transformer编码器可以在其结果表示中有效地捕获一般信息，但骨干信息(即输入文本的要点)并没有专门关注。在本文中，我们提出显式和隐式文本压缩方法来增强Transformer编码，并在几个严重依赖编码的典型下游任务上使用这种方法评估模型。我们的显式文本压缩方法使用专用的模型来压缩文本，而隐式文本压缩方法只是在主模型中添加一个额外的模块来处理文本压缩。我们提出了三种集成方式，即主干网源端融合、目标
2021-06-27 17:38:16
317
原创 让外国人我哥他
浅谈“阳明心学” 王阳明，明代的著名思想家、哲学家。典型的唯心主义者，将“致良知“，”知行合一“这两说至始至终贯穿于他一生的思想，以至于后世弟子研究其思想延申拓展更多的思想理论。 王阳明在三十八岁便以“知行合一“的思想教授他人，到了差不多五十岁才传授”致良知“的思想。 所谓“知行合一“，便是知行并进，不分先后之意。按西方哲学思想来阐述这四个字，王阳明便是一元论者的化身。他将”知“和”行“合二...
2018-09-01 23:41:26
142
原创 青岛潍坊成为富翁
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I...
2018-09-01 23:06:16
139
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人