![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
医疗图像
文章平均质量分 93
Man in Himself
这个作者很懒,什么都没留下…
展开
-
深度学习无监督磁共振重建方法调研(二)
针对两篇无监督磁共振重建文章的调研。原创 2023-02-22 16:39:41 · 935 阅读 · 0 评论 -
图像任务知识蒸馏调研(知识蒸馏一)
图像任务只是蒸馏调研,文章阅读汇总。持续更新中~原创 2022-11-11 17:43:41 · 2587 阅读 · 0 评论 -
无监督DWI图像去噪:Patch2Self
Patch2Self论文阅读与代码实验。原创 2022-10-12 15:06:09 · 1717 阅读 · 1 评论 -
深度学习无监督磁共振重建方法调研
介绍了几种神经网络无监督磁共振重建的文章原创 2022-08-19 03:01:47 · 619 阅读 · 0 评论 -
文章阅读:基于Dual Consistency的无监督多模态MRI图像配准(TMI2021)
A Coarse-to-Fine Deformable Transformation Framework for Unsupervised Multi-Contrast MR Image Registration With Dual Consistency Constraint, TMI2021简介背景介绍网络结构仿射变换网络ATNet可变形变换网络DTNet双重一致性约束下的双向变换损失函数配准损失双重一致性损失变换场约束损失实验结果简介本文提出了一种无监督的用于不同模态MRI(T1,T2,DWI等)原创 2022-05-03 03:02:42 · 1342 阅读 · 0 评论 -
文章阅读:Generating 3D TOF-MRA volumes and segmentation labels using generative adversarial networks
文章阅读:Generating 3D TOF-MRA volumes and segmentation labels using generative adversarial networks,Medical Image Analysis 2022模型架构网络结构混合精度训练数据集数据集选择Patch提取数据处理&输入生成标签二值化处理评估方式定性评估定量评估训练效果评估结论在本文中,研究者使用3D GAN网络用于生成3D医学图像和对应的标签。在实现过程中采用condition GAN的技术,使用原创 2022-04-11 01:21:12 · 2821 阅读 · 0 评论 -
基于信息瓶颈的(医疗)领域自适应GAN网络(TMI2022)
Beyond Mutual Information: Generative Adversarial Network for Domain Adaptation Using Information Bottleneck Constraint原创 2022-04-03 03:13:58 · 1125 阅读 · 0 评论 -
深度学习磁共振图像超分与重建论文阅读
深度学习磁共振图像超分与重建算法研究Super-resolution reconstruction of MR image with a novel residual learning network algorithm (Physics in Medicine and Biology,2018)模型结构局部残差连接块LRB不同尺度映射实验Prior-Guided Image Reconstruction for Accelerated Multi-Contrast MRI via Generative A原创 2022-03-25 02:38:11 · 2516 阅读 · 0 评论 -
论文阅读:弱监督多模态自适应全局配准(TIP2021)
Robust Content-Adaptive Global Registration for Multimodal Retinal Images Using Weakly Supervised Deep-Learning Framework, TIP2021原创 2022-03-11 17:17:25 · 5568 阅读 · 0 评论 -
基于稀疏表示字典学习的磁共振图像重建算法
基于稀疏表示字典学习的磁共振图像重建基于稀疏表示字典学习的磁共振图像重建算法基本假设稀疏表示算法正交匹配追踪(OMP)算法字典学习算法稀疏表示的一致性基于稀疏表示字典学习的磁共振图像重建算法最近在关注磁共振图像重建的算法,也涉及到磁共振图像超分辨率相关的内容,做一些基础知识和原理的整理,在此总结。基本假设以字典学习为基础的图像重建算法,基本假设认为图像块是可以被稀疏编码为过完备字典中少量原子的稀疏组合。也就是说,对于低分辨率图像YYY和高分辨率(原图)XXX(展平一维向量方便表述),有:Y=Dlα原创 2022-03-09 02:23:52 · 921 阅读 · 0 评论 -
Multi-Modal MRI Reconstruction Assisted with Spatial Alignment Network【论文阅读】
Multi-Modal MRI Reconstruction Assisted with Spatial Alignment Network摘要方法变量定义空间对齐网络(Spatial Alignment Network)与Lsmooth\mathcal{L}_{smooth}Lsmooth计算整体算法流程摘要在医疗引用中,核磁共振经常要分析不同分辨率的数据,在实际采集过程中,对某一些模态降采样,并利用模态间数据的冗余性,由全采样的模态对这部分模态进行更加有效的重建是一种思路,然而,由于空间不对齐(s原创 2021-11-25 01:54:00 · 1956 阅读 · 0 评论 -
医疗影像与模态缺失数据
医疗影像与模态缺失数据模态缺失的处理思路naive方法方法汇总Brain Tumor Segmentation on MRI with Missing Modalities(IPMI2019)模型结构模态缺失的处理思路naive方法为每种情况专门训练模型(效率低,扩展性差)方法汇总Y. Ganin and V. Lempitsky. Unsupervised domain adaptation by backpropagation. In International Conference on原创 2021-09-26 11:43:25 · 3497 阅读 · 0 评论 -
Universal Undersampled MRI Reconstruction(通用降采样MRI重建)阅读笔记,Arxiv2021
Universal Undersampled MRI Reconstruction概述问题描述:不同组织的MRI重建方法模型结构训练步骤Anatomy-SPecific Instance Normalization (ASPIN)解剖学结构特异的实例归一化知识蒸馏实验结果概述文章针对低分辨率降采样磁共振图像重建任务中,针对不同部位MRI成像训练的模型彼此之间并没有进行有效迁移的问题,提出了一个新的通用降采样MRI重建框架,该框架不仅能够充分有效利用不同组织MRI数据共同训练更加优秀的模型,而且能够非常简原创 2021-10-14 16:43:35 · 715 阅读 · 0 评论