- 博客(1)
- 收藏
- 关注
原创 2021MICCAI:Anatomy-Constrained Cpntrastive Learning for Synthetic Segmentation Without Ground-Truth
研究的问题 为了训练一个健壮的分割网络,使其能够在新的成像模式中分割感兴趣的对象,通常需要大量的手动分割。如果可以利用一种成像模式(CT)的地标来训练另一种成像模式(CBCT/PET/MRI)中的分割网络,则可以减轻手动操作。在本文中,提出了一种跨模态分割的网络AccSeg-Net,用于训练目标成像模式的分割网络,而不使用其GroundTruth。 提出的网络模型 AccSeg网络模型是由一个生成器、一个判别器和一个分割器组成,通过5个损失函数以端到端的方式进行训练。生成器:带有9个残差模块的编解码器;判别
2022-05-03 20:53:21 603
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