论文学习和分享
文章平均质量分 90
Donogh Liu
学习永无止境~~
展开
-
深度学习应用在图像分割上的网络模型概述
深度学习在图像分割上的模型概述在这里主要介绍一下,深度学习在图像分割方面的一些主要模型。摘要图像分割是图像处理和计算机视觉的领域的一个重要课题,其应用主要包括场景理解,医学图像分割,机器人感知,视频监控,增强现实和图像压缩等。这篇文章主要主要回顾了基于深度学习模型的图像分割方法。图像分割主要包括三种:1,语义分割:简单来说就是对图像中的像素点进行分类。就是把图像中每个像素赋予一个类别标签(比如汽车、建筑、地面、天空等),比如下图就把图像分为了草地(浅绿)、人(红色)、树木(深绿)、天空(蓝色)等原创 2021-12-06 14:10:45 · 5862 阅读 · 0 评论 -
UNETR: Transformers for 3D Medical Image Segmentation
UNETR: Transformers for 3D Medical Image Segmentation[代码地址]:(https://monai.io/research/unetr)摘要自过去十年以来,具有收缩和扩展路径的完全卷积神经网络(FCNN)在大多数医学图像分割应用中显示出突出的地位。在FCNNs中,编码器通过学习全局和局部特征以及可由解码器用于语义输出预测的上下文表示来发挥不可或缺的作用。尽管它们取得了成功,但FCNN中卷积层的局部性限制了学习长程空间依赖性的能力。受自然语言处理转换器(原创 2021-11-29 11:35:13 · 4279 阅读 · 0 评论 -
Organ at Risk Segmentation for Head and Neck Cancer using Stratified Learning and Neural Architectur
Organ at Risk Segmentation for Head and Neck Cancer using Stratified Learning and Neural Architecture Search摘要风险器官(OAR)分割是头颈部(H&N)癌症放射治疗中的关键步骤,放射肿瘤学家之间的不一致性和高昂的劳动力成本推动了自动化方法。然而,使用标准全卷积网络工作流的领先方法在桨数变大时受到挑战,例如,OAR个数大40的时候于对于这种情况,可以从手动临床OAR描绘中看到的分层方法中获得原创 2021-11-24 12:53:18 · 1783 阅读 · 1 评论