医学图像分割 论文阅读
文章平均质量分 79
珏了
这个作者很懒,什么都没留下…
展开
-
论文阅读-颈动脉超声图像斑块分割
DEEP LEARNING-BASED CAROTID PLAQUE SEGMENTATION FROM B-MODE-基于深度学习的B型超声图像颈动脉斑块分割文章目录DEEP LEARNING-BASED CAROTID PLAQUE SEGMENTATION FROM B-MODE-基于深度学习的B型超声图像颈动脉斑块分割摘要引言许多研究偏向于测量IMT:先前工作:做的工作:方法结果可视图:Bland Altman图:表格:模型比较:总结摘要TPA:颈动脉超声测量总斑块面积;斑块面积可以显示颈原创 2021-11-17 21:14:51 · 1588 阅读 · 2 评论 -
论文阅读-超声颈动脉
A Voxel-Based Fully Convolution Network and Continuous Max-Flow for Carotid Vessel-Wall-Volume Segmentation From 3D Ultrasound Images--基于体素的全卷积网络和连续最大流用于三维超声图像的颈动脉血管壁体积分割摘要1 INTRODUCTIONCONTRIBUTION:2 MATERIALS AND METHODS三维超声图像网络架构评估标准3 Train and Test4 C原创 2021-11-16 15:02:59 · 746 阅读 · 0 评论 -
论文阅读笔记--医学图像分割[上下文编码网络]--CE-Net
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档CE-Net: Context Encoder Network for 2DMedical Image Segmentation--CE-Net:用于二维医学图像分割的上下文编码网络前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结Medical Image Segmentation–CE-Net:用于二维医学图像分割的上下文编码网络)前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器原创 2021-06-17 16:49:01 · 1550 阅读 · 0 评论 -
论文阅读笔记--医学图像分割[上下文金字塔融合网络](2)一些补充
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录网络架构backbone一、backbone本论文使用backbone:二、Global Pyramid Guidance module1.结构2.读入数据总结网络架构backbone提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、backbone来源于知原创 2021-06-17 11:30:21 · 597 阅读 · 0 评论 -
论文阅读中经常出现的“消融研究/实验”
消融实验(ablation experiment)在机器学习,特别是复杂的深度神经网络的背景下,已经采用“消融研究”来描述去除网络的某些部分的过程,以便更好地理解网络的行为。为了提升网络的性能,在网络架构上加了模块A,B。是这篇文章的创新点。比如说这篇文章有3个亮点,消融实验就负责告诉你,实验1:我只加a结果如何;实验2:只加b结果如何;实验3:a和b都加了又如何。看3个实验的效果,然后结果可能是,实验1和实验2的结果都不如实验3,那么说明AB都是有用的;然而也有可能你会发现实验1的结果和实验3原创 2021-06-17 10:16:00 · 6886 阅读 · 0 评论 -
论文阅读笔记--医学图像分割[上下文金字塔融合网络]
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录一 摘要二、使用步骤1.引入库2.读入数据总结一 摘要医学图像的准确自动分割是临床诊断和分析的关键步骤。基于u形结构的卷积神经网络(CNN)方法在许多不同的医学图像分割任务中都取得了显著的效果。在这种结构中,由于类别不平衡、边界模糊等问题,单阶段上下文信息提取能力不足。本文提出了一种新的上下文金字塔融合网络(contextpyramidfusionnetwork,简称cpfnet),通**过结合两个金字塔模块来融合全局/多尺原创 2021-06-16 17:59:29 · 3064 阅读 · 1 评论 -
论文阅读笔记--医学图像分割
@[TOC]论文笔记《DA-DSUnet: Dual Attention-based Dense SU-net for automatic head-and-neck tumor segmentation in MRI images》欢迎使用arkdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持,原创 2021-05-31 20:26:50 · 924 阅读 · 0 评论