![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
医学图像处理
TildaS
这个作者很懒,什么都没留下…
展开
-
论文笔记(十二)Tversky loss function for image segmentation using 3D fully convolutional deep networks
论文地址:Tversky loss function for image segmentation using 3D fully convolutional deep networks摘要首先提出,医学图像分割中的一个重要挑战是数据不平衡(data imbalance),一般情况下,病变体素(voxel)的数量远低于非病变体素的数量。这样的数据训练模型会产生高精度的结果,但是展召回率(灵敏度)...原创 2019-12-12 10:47:05 · 6345 阅读 · 0 评论 -
论文笔记(八)-Two-Stage Convolutional Neural Network for Breast Cancer Histology Image
论文地址:Two-Stage Convolutional Neural Network for Breast Cancer Histology Image Classification摘要目的:将图像分为正常,良性,原位癌和浸润性癌四类因为图像的大尺寸高像素,所以提出用基于patch的方法,由两个连续的神经网络组成。第一个预训练的patch-wise cnn提取特征,第二个image-wis...原创 2019-10-24 09:32:09 · 503 阅读 · 0 评论 -
论文笔记(七)ISOINTENSE INFANT BRAIN SEGMENTATION WITH A HYPER-DENSE CONNECTED CNNs
论文地址:ISOINTENSE INFANT BRAIN SEGMENTATION WITH A HYPER-DENSE CONNECTED CNNs摘要提出超密集连接的3D卷积神经网络,该网络使用MR-T1和T2图像作为输入,并在两条独立的路径中进行独立处理。与以前的密集连接网络的一个重要区别是,使用了来自相同路径和不同路径的层之间的直接连接。采用这种密集的连接性可以通过包括深入的监督和改善...原创 2019-09-27 22:06:32 · 334 阅读 · 0 评论 -
论文笔记(六)Breast Segmentation and Density Estimation in Breast MRI: A Fully Automatic Framework
论文地址:Breast Segmentation and Density Estimation in Breast MRI: A Fully Automatic Framework摘要作者的目的是开发一种自动计算乳房MRI密度的方法。该框架是图像处理技术的组合,用于分割乳房和腓肠组织。初步纠正了患者内和患者之间的信号强度变异性。通过自动检测身体的乳房和空气的乳房表面来分割乳房。随后,使用最大期...原创 2019-09-27 10:37:48 · 352 阅读 · 0 评论 -
论文笔记(五)Convolutional neural network improvement for breast cancer classification
论文地址:Convolutional neural network improvement for breast cancer classification首先,作者提出了一些现有的问题:太繁琐的注释会对标签造成额外的错误病灶边缘不清晰CAD受到图像成像协议和噪声影响标注成本高结合以上问题和目前的乳腺癌诊断需求,作者提出了称为卷积神经网络的乳腺癌分类改进算法(CNNI-BCC),以...原创 2019-09-26 21:57:20 · 351 阅读 · 0 评论 -
论文笔记(四)Dense Multi-path U-Net for Ischemic Stroke Lesion Segmentation in Multiple Image Modalities
论文地址:Dense Multi-path U-Net for Ischemic Stroke Lesion Segmentation in Multiple Image Modalities这篇文章中对比了CT和MRI。早期缺血性中风在CT中显示为低密度区域,使得它们难以用这种方式定位。 MRI序列,如T1加权,T2加权,液体衰减反转恢复(FLAIR)和弥散加权成像(DWI),提供比CT更清晰...原创 2019-09-24 20:26:28 · 1694 阅读 · 0 评论 -
论文笔记(三)Deep Convolutional Neural Networks for breast cancer screen
论文地址:Deep Convolutional Neural Networks for breast cancer screen摘要作者探讨了转移学习的重要性,并通过实验确定了在培训CNN模型时采用的最佳微调策略。在对完整的乳房X线照片中的所有提取的感兴趣区域(ROI)进行预处理和归一化之后,作者合并了所有数据集以构建一大组图像并用它来微调CNN。利用最近提出的三个最令人印象深刻的CNN模型...原创 2019-09-11 16:50:39 · 468 阅读 · 1 评论 -
论文笔记(二)Breast Tumor Segmentation in DCE-MRI Using Fully Convolutional Networks
论文地址:Breast Tumor Segmentation in DCE-MRI Using Fully Convolutional Networks 摘要提出了一种通过完全卷积网络(FCN)进行乳腺肿瘤分割的掩模引导分层学习(MHL)框架。达到0.72的平均Dice相似系数(DSC)。作者提出,在定量肿瘤分析中,通常采用几种成像特征来表征原始DCE-MR图像,例如肿瘤形态,纹理和增强动力...原创 2019-08-30 15:29:39 · 1085 阅读 · 0 评论 -
论文笔记(一)-Detection and characterization of MRI breast lesions using deep learning
论文:https://www.sciencedirect.com/science/article/pii/S2211568419300567这篇论文的主要内容是围绕乳腺癌的分类,主要方法就是卷积神经网络,划分结果为病变恶性肿瘤分类,正常组织,其他良性病变,IDC和其他恶性病变,最终的准确率达到了0.816。这篇论文提出,现在大多数的研究都是针对乳房X线摄影的,而这篇论文针对MR图像做出了研究,...原创 2019-08-29 20:20:15 · 335 阅读 · 5 评论