《Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network》阅读笔记(二)

最新推荐文章于 2020-03-03 14:52:29 发布
最新推荐文章于 2020-03-03 14:52:29 发布
阅读量276 收藏 1
点赞数
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/weixin_41098105/article/details/103018254
版权

《Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network》阅读笔记–翻译及个人理解(二)

论文链接 ：https://arxiv.org/pdf/1711.08324.pdf

声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！

数据集和预处理

A.数据集
两个肺部扫描数据集用于训练模型，即LUng Nodule Analysis 2016数据集（简称LUNA）和Data Science Bowl 2017的训练集（简称DSB）。 LUNA数据集包含了888名由放射科医师标注患者的1186个结节标签，而DSB数据集仅包含每个受试者的二元标签，表明该受试者在扫描后一年是否被诊断为肺癌。 DSB数据集在其训练，验证和测试集中分别包含1397、198、506个人（案例）。我们在训练集中手动标记了754个结节，在验证集中手动标记了78个结节。
LUNA结节和DSB结节之间存在一些显着差异。 LUNA数据集具有许多非常小的带注释的结节，这可能与癌症无关。根据医生的经验，结节小于6毫米通常并不危险。但是，DSB数据集有许多非常大的结节（大于40毫米）（图1中的第五个样本）。在DSB数据集中，平均结节直径为13.68 mm，在LUNA数据集中，平

最低0.47元/天 解锁文章
Pat2019
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NSGA-II.rar_NSGA_NSGA-II_The Number_evaluate_objective
09-14
numebr of decision variables, the maximum and minimum range for each decision variable and finally the function waits for the user to modify the evaluate_objective function to suit their need.
学习记录Part2 数据和预处理
weixin_43860935的博客
09-23 361
学习记录Part2 数据和预处理 数据 训练本模型用了两个肺扫描数据集：肺结节分析数据集简称LUNA,数据科学碗2017训练集简称DSB。 LUNA：这个数据集上有888个病人，1186个标记的肺结节 DSB：这个数据集上1397个病人作为训练，198个病人作为验证，506个病人作为测试。DSB只是告诉你这个病人通过这次扫描是否被诊断为患有肺癌。作者人工标记了训练集中的754个结节和验证集中的7...
《Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network》论文解析
lichen14的博客
03-03 1007
本文提出的三维深度神经网络（3D deep neural network）在Kaggle举办的DSB2017中获得了第一名，若其代码公开于Github。 引言 基于CT图像的肺癌自动诊断系统通常包含以下两步骤：1、检测所有可疑病变；2、评估整个肺部的恶性程度。 但目前大多数的研究主要集中于第一步，以及通过肺结节诊断肺癌存在较高的假阳性率。因此，肺癌的诊断需要对每个可疑结节进行细致分析，再联合...
Paper--Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network
hhjj123456456的博客
11-29 1761
paper链接：https://arxiv.org/pdf/1711.08324.pdf 摘要： 通过计算机断层扫描（CT）自动诊断肺癌包括两个步骤：检测所有可以病变（肺结节）并评估整个肺部/肺部恶性肿瘤。当前，关于第一步的研究很多，而关于第二步的研究很少。由于结核的存在并不能肯定地表明癌症，并且结核的形态与癌症之间存在复杂的关系，因此，肺癌的诊断需要对每个可疑结核进行仔细的研究，并综合所有的结节...
使用U-Net进行肺结节分割案例分析：DSB3Tutorial
热门推荐
zsddragon的博客
07-30 1万+
使用U-Net进行肺结节分割案例分析：DSB3Tutorial 本文要分析的代码作者是jonrmulholland，这里是其链接地址 数据集：LUNA 2016
【翻译论文】Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network
yangs433的博客
09-19 1515
翻译论文 Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 摘要 从计算机断层扫描自动诊断肺癌包括两个步骤：1）检测所有可疑的病变（肺结节）2）评估整个肺的恶性。目前，第一步有很多研究，但是第二步的研究很少。因为有结节不能确定是癌症，结节的形态与患癌之间有复杂的关系。...
PESQ.zip_Evaluate the audio_evaluation
09-24
标题中的"PESQ.zip_Evaluate the audio_evaluation"指的是一个关于评估音频质量的压缩文件，其中包含了一种名为“Perceptual Evaluation of Speech Quality”（PESQ）的算法的详细内容。PESQ是一种国际标准的客观...
Evaluate the security margins of SHA-512, SHA-256 and DHA-256 against the boomerang attack
02-22
Evaluate the security margins of SHA-512, SHA-256 and DHA-256 against the boomerang attack
An Efficient Optimization Based Method to Evaluate the DRV of SRAM Cells
02-06
Although the power consumption is largely reduced, this down-scaling trend, however, impacts the stability of the SRAM cell due to the unpredictable process or device parameter variations. In this ...
Evaluation of the moisture content of tapioca starch using near-infrared spectroscopy
02-22
The purpose of this study was to develop a calibration model to evaluate the moisture content of tapioca starch using the near-infrared (NIR) spectral data in conjunction with partial least square ...
PyTorch 1.1（NoduleNet：用于肺结节检测和分割的去耦假阳性还原）.rar
03-24
Python> = 3.6（Python 2.7也可以使用），cude> = 9.0和PyTorch 1.1
Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 论文阅读
pursuit_zhangyu的博客
06-20 2033
paper：https://arxiv.org/abs/1711.08324 源码：https://github.com/lfz/DSB2017 简介 简介——从CT扫描图像进行自动诊断肺癌需要两个步骤：检测所有可疑的病变（肺结节）以及评估整个肺部恶性程度。 目前大多数的研究主要集中于第一步，但是很少研究在第二部分。由于结节存在不能明确的指明得了癌症以及结节的形态跟肺癌有着复杂的联系，肺癌...
DSB2017第一名论文理解： 3D Deep Leaky Noisy-or Network(三)
qq_36401512的博客
02-28 2115
先贴下第一、二篇的链接。 现在代码中参数设置最多这部分代码来了，开始细细理解参数的设置。 四.3D CNN用做结节检测 一个3d cnn网络用来检测可疑结节。它是一个3D版本同时改进于Unet网络的RPN网络来作为主干网络。（前面说过单类别目标检测算法，两步算法中的第二步已经不在需要，那么算法统一退化成一步算法。）由于这个任务中只有两类（结节和非结节），预测结果直接作为检测结果不需要额外的分...
DSB2017第一名论文理解： 3D Deep Leaky Noisy-or Network(一)
qq_36401512的博客
02-27 3346
Kaggle上2017年肺结节检测比赛第一名的算法，其代码的github通道。 论文：https://arxiv.org/abs/1711.08324 我也是没办法，代码又跑不起来，里面还有很多细节参数不理解（之前已经看了deeplung的论文代码，结合这个模型的整体理解已经比较清晰了，但细节还是理解不了，来看原文了）。下面翻译理解下我困惑的部分，当然也会加入自己的理解自己发挥下的。 二....
《Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network》阅读笔记(一)
weixin_41098105的博客
11-11 360
《Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network》翻译与详解(一) 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/weixin_41098105/article/...
DSB2017第一名论文理解： 3D Deep Leaky Noisy-or Network(二)
qq_36401512的博客
02-27 3482
ps：主要是看了之后过几天就是不是特别清晰了，故大概能看懂的感兴趣的地方记录下。 代码论文等基础信息在上一篇。 三.数据和预处理 A.数据 训练本模型用了两个肺扫描数据集：肺结节分析数据集简称LUNA,数据科学碗2017训练集简称DSB。LUNA：这个数据集上有888个病人，1186个标记的肺结节。DSB：这个数据集上1397个病人作为训练，198个病人作为验证，506个病人作为测试。其...
3D Deep Leaky Noisy-or Network 论文阅读
RookieFCB的专栏
05-27 3143
Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 论文阅读 原文：Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 博文参考：Doublle T...
How to evaluate the status of China in the world ?
最新发布
02-06
1. 经济实力：中国是世界上第二大经济体，其国内生产总值（GDP）占全球的约15%。 2. 国际影响力：中国是联合国安理会常任理事国之一，在联合国和其他国际组织中发挥着重要作用。 3. 军事实力：中国是世界上军事...
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