- 博客(5)
- 收藏
- 关注
RSS订阅原创 【CVPR2022 BoostMIS 论文笔记】自适应伪标记和信息主动标注的医学图像半监督学习
【CVPR2022 BoostMIS 论文笔记】自适应伪标记和信息主动标注的医学图像半监督学习,BoostMIS: Boosting Medical Image Semi-supervised Learning with Adaptive Pseudo Labeling and Informative Active Annotation
2022-03-22 15:31:34
3549
原创 【论文笔记AAAI2021】——Edge-competing Pathological Liver Vessel Segmentation with Limited Labels
IntroductionGoal微血管侵犯(MVI) 的诊断需要发现含有肝癌细胞的血管，并计算它们在每条血管中的数量，这在很大程度上依赖于医生的经验，在很大程度上是主观和耗时的。对于病理性肝血管的分割，由于精确标注这些血管非常繁琐、耗时和昂贵，目前还没有专门的数据集。Motivation我们首先收集了一个病理肝脏图像数据集，其中包含522张完整的病理切片图像，包括血管、MVI，它可作为病理肝脏图像分析研究的基准。病理肝脏图像具有一些独特的属性，如超大样本尺寸、多尺度血管、血管边缘模糊等，这对血
2021-08-26 10:20:36
1080
2
原创 Integrating Circle Kernels into Convolutional Neural Networks
目录动机、贡献：方法：圆形卷积核 VS 方形卷积核集成圆形卷积核和方形卷积核可学习大小的卷积核测试结果：动机、贡献：从LeNet开始，矩形的卷积核一直都是CNN的标配。在这期间也有一些工作研究了可变形的卷积，但是，虽然可变形的卷积能够提高模型的performance，但是不可避免的引入了额外的参数和计算量。因此，受人眼视觉系统感受野的启发，作者就想能不能提出一个圆形的卷积操作，相比于矩形的卷积，圆形的卷积核主要有以下几个优点：1） 圆形卷积核的感受野和生物视觉的感受野更加相似；2） 卷积核的感受野
2021-07-21 11:15:25
328
1
原创 Multi-Compound Transformer for Accurate Biomedical Image Segmentation——论文阅读
目录Motivation：Contribution：Method：Experiment：Motivation：由于卷积核的局部特性，传统的基于cnn的分割模型缺乏建模长期相关性的能力。为了解决这样的问题，已经开发了各种强大的关系建模方法。(a)基于空间金字塔的方法, 采用不同大小的卷积核将不同范围的上下文信息聚集在一层中(b)基于UNet[16]的编解码器网络[16,24,12]采用跳跃连接的方式将相同尺度的粗粒度深度特征和细粒度浅层特征合并虽然这些方法在密集像素预测方面取得了很大的成功，但全.
2021-07-15 09:40:37
1131
2
原创 论文笔记——CVPR2021 3D Graph Anatomy Geometry-Integrated Network for Pancreatic Mass Segmentation...
目录摘要1 简介2 相关简介3 方法4 实验摘要区分胰腺导管癌（PDAC）和其他九类非胰腺导管癌，用多阶段的CT图像。图像外观和3D的器官肿块的几何关系都是非常重要的。我们提出了一个完整的分割和分类网络（SMCN），通过充分利用几何和位置信息，结合解剖结构和基于分割的语义检测网络来提供患者层面的诊断。SMCN学习胰腺和肿块分割任务，通过在原始分割mask上逐步变换胰腺原型，建立解剖对应感知的器官网格模型。提出了一种新的基于图的残差卷积网络(Graph- ResNet)，它的节点融合了网格模型的信息和从分
2021-04-08 11:09:07
1143
5
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