MICCAI
文章平均质量分 90
花卷汤圆
They lead you into the green veldt where you can run forever.
展开
-
(四十:2021.02.26)MICCAI 2019 学习(二)《3D U^2-Net (Universal Unet)》【搁浅】
《3D U^2-Net: A 3D Universal U-Net forMulti-Domain Medical Image Segmentation》《3D U^2-Net:用于多域医学图像分割的3D通用U-Net》讲在前面讲在前面一.学习该算法的目的:之前;二.我设计了几种字体颜色用于更加醒目地表现关键的思想和主题:红色表示尚未理解透彻的一些概念蓝色表示对原来的理解做的一些修改或补充绿色表示此处需要参考的论文其他部分橙色表示本文的重要关键字紫色表示后续更新的内容我会用删除线将自己原创 2021-03-01 15:10:31 · 890 阅读 · 1 评论 -
(三十五:2021.01.12)MICCAI 2019学习(一)《前列腺近距离放射治疗中粒子定位的深度回归模型》
《A Deep Regression Model for Seed Localizationin Prostate Brachytherapy》讲在前面摘要论文内容1.介绍2.方法论2.1 深度回归模型讲在前面一.当前粒子植入手术面对着术中及术后植入粒子剂量核验的问题,本人现在已经完成一部分这样的工作,能够比较有效的将粒子在空间中进行聚类,结果较为理想但在面对多个粒子伪影重叠的情况下,仍然有较大的误差存在。刚好找到这篇极具研究价值的论文,希望能理解其精髓思想,尽快复现其内部知识;二.我设计了几种字体原创 2021-01-12 17:56:03 · 740 阅读 · 0 评论 -
(三十四 :2021.01.12)MICCAI 2015 追踪之论文纲要
讲在前面PART I、PART II和PART III。论文目录PART IAdvanced MRI: Diffusion, fMRI, DCE(高级MRI:扩散,fMRI,DCE)概要1.Automatic Segmentation of Renal Compartments in DCE-MRI ImagesDCE-MRI图像中肾小段自动分割2.Harmonizing Diffusion MRI Data Across Multiple Sites and Scann原创 2021-01-11 17:45:54 · 1819 阅读 · 0 评论 -
(三十三 :2021.01.12)MICCAI 2016 追踪之论文纲要
讲在前面PART I、PART II和PART III。论文目录PART I标题概要1.Ordinal Patterns for Connectivity Networks in Brain Disease Diagnosis脑病诊断中的连通网络序数模式2.Discovering Cortical Folding Patterns in Neonatal Cortical Surfaces Using Large-Scale Dataset使用大型数据集发现新生儿皮质表面原创 2021-01-11 17:15:59 · 2439 阅读 · 0 评论 -
(三十二 :2021.01.12)MICCAI 2017 追踪之论文纲要
讲在前面PART I、PART II和PART III。论文目录PART IAtlas and Surface-Based Techniques(地图集和基于表面的技术)概要1.The Active Atlas: Combining 3D Anatomical Models with Texture Detectors有效地图集:将3D解剖模型与纹理探测器相结合2.Exploring Gyral Patterns of Infant Cortical Folding Ba原创 2021-01-11 16:41:58 · 2678 阅读 · 0 评论 -
(三十一:2021.01.12)MICCAI 2018 追踪之论文纲要(下)
讲在前面这部分是PART III和PART IV。论文目录PART IIIDiffusion Tensor Imaging and Functional MRI: Diffusion Tensor Imaging(扩散张量成像和功能性MRI:扩散张量成像)概要1.Multimodal Fusion of Brain Networks with Longitudinal Couplings纵向联轴器脑网络多峰融合2.Penalized Geodesic Tractograp原创 2021-01-11 16:09:51 · 1726 阅读 · 0 评论 -
(三十 :2021.01.11)MICCAI 2018 追踪之论文纲要(上)
讲在前面这部分是PART I和PART II。论文目录PART IImage Quality and Artefacts(图像质量和伪影)概要1.Conditional Generative Adversarial Networks for Metal Artifact Reduction in CT Images of the Ear用于减少耳朵CT图像中的金属伪像的条件生成对抗网络2.Neural Network Evolution Using Expedited G原创 2021-01-11 15:21:06 · 2841 阅读 · 0 评论 -
(二十九:2021.01.10)MICCAI 2019 追踪之论文纲要(下)
讲在前面这部分是PART V和PART VI。论文目录PART VComputer-Assisted Interventions(计算机辅助干预)概要1.Robust Cochlear Modiolar Axis Detection in CTCT中稳健的耳蜗轴轴检测2.Learning to Avoid Poor Images: Towards Task-aware C-arm Cone-beam CT Trajectories学习避免不良图像:迈向任务感知型C型臂锥束原创 2021-01-11 13:16:13 · 2539 阅读 · 0 评论 -
(二十八:2021.01.10)MICCAI 2019 追踪之论文纲要(中)
讲在前面暂时先更新PART I, 持续更新。论文目录PART IOptical Imaging(光学影像)概要1.Enhancing OCT Signal by Fusion of GANs: Improving Statistical Power of Glaucoma Clinical Trials通过GAN融合增强OCT信号:提高青光眼临床试验的统计能力2.A Deep Reinforcement Learning Framework for Frame-by-Fr原创 2021-01-09 17:49:46 · 3307 阅读 · 0 评论 -
(二十七:2021.01.08)MICCAI 2020 学习(二)《BiO-Net》
MICCAI 2020 学习(二)《BiO-Net:学习用于编码器-解码器结构的递归双向连接》《BiO-Net: Learning Recurrent Bi-directional Connections for Encoder-Decoder Architecture》)讲在前面摘要论文内容1.介绍1.1 U-Net Variants(U-Net的变体总结)1.2 Recurrent Convolutional Networks(递归神经网络)2.方法2.1 递归双向跳跃连接2.2 BiO-Net结构3.原创 2021-01-08 16:25:23 · 2825 阅读 · 0 评论 -
(二十:2020.11.06)MICCAI 2020 追踪之论文纲要(译)<下>
讲在前面此文章包含第五、第六和第七部分。论文目录PART V 《Biological, Optical and Microscopic Image Analysis 生物,光学和显微图像分析》生物,光学,显微成像概要1.Channel Embedding for Informative Protein Identification from Highly Multiplexed Images通道嵌入用于从高度复用的图像中鉴定信息性蛋白质2.Demixing Calcium原创 2020-11-06 15:37:39 · 4112 阅读 · 0 评论 -
(十九:2020.11.05)MICCAI 2020 追踪之论文纲要(译)<中>
讲在前面此文章包含第三和第四篇博客。论文目录PART III 《Computer Aided Intervention, Ultrasound and Image Registration 计算机辅助干预,超声和图像配准》计算机辅助干预概要1.Reconstructing Sinus Anatomy from Endoscopic Video – Towards a Radiation-Free Approach for Quantitative Longitudinal Ass原创 2020-11-06 09:35:53 · 4016 阅读 · 1 评论 -
(十八:2020.10.10)MICCAI 2020 追踪之论文纲要(译)<上>
讲在前面暂时先更新PART I, 持续更新。论文目录PART I 《Machine Learning Methodologies 机器学习方法》论文概要1.Attention, Suggestion and Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation注意,建议和注释:用于生物医学图像分割的深度学习框架2.Scribble2Label: Scribble-Sup原创 2020-10-10 16:19:09 · 5199 阅读 · 1 评论 -
(六:2020.08.22)MICCAI 2019 追踪之论文纲要(上)
MICCAI 2019 论文全解读之PARTII(关于图像分割)(修正于2020.08.22)前言《Searching Learning Strategy with Reinforcement Learning for 3D Medical Image Segmentation》(通过强化学习搜索学习策略进行3D医学图像分割)《Comparative Evaluation of Hand-Engineered and Deep-Learned Features for Neonatal Hip Bone S原创 2020-08-23 16:55:50 · 3988 阅读 · 0 评论