- 博客(3)
- 资源 (1)
- 收藏
- 关注
原创 基于深度学习的肿瘤分割与分类论文笔记(二)
数据增强:因为目标区域很小,因此先进行裁剪,切成片(有边框就标注,无边框就忽略),然后翻转、仿射变换、旋转;FPN作为骨干形成特征金字塔(粗粒度),在特征金字塔的每一层使用MSB(Multi-Scale Booster:HDC(不同膨胀速度的卷积层)处理形成与2D的特征是互补关系,通道注意力识别不同的病变类型,空间注意力定位病变位置)进行细粒度检测。图片先处理为多个分辨率的图片,然后每一类分辨率图片喂进相同的网络(深度暹罗网络,参数共享),最后为了降低FP,计算MRI图片的相似度然后求加权平均。
2023-10-10 08:43:52
93
1
原创 基于深度学习的肿瘤分割与分类论文笔记(一)
深度网络提取的为深度特征,传统的图像特征为浅层特征。2.LBP (Local Binary Pattern,局部二值模式): 以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0。分类:4个数据库分别使用四个分类器分别对四个特征(Inception V3, BRLBP纹理特征,两者结合,最优特征)进行实验,最优特征不止提高了准确率,而且相比融合特征(时间消耗几乎是单个特征的两倍)节省时间;最后对比了三个现有方法的准确率。
2023-09-28 10:53:01
193
1
原创 基于深度学习的ECG论文笔记(一)
写这个论文笔记,主要是想记录一下自己看的论文,把创新点什么的记录一下,以便以后查阅。我的方向是ECG检测心律不齐,用的方法是深度学习,主要的数据库是MIT。1.Automated ECG Classification Using Dual Heartbeat Coupling Based on Convolutional Neural Network(链接:https://ieeexpl...
2019-04-01 16:20:10
3731
11
A robust deep convolutional neural network with batch-weighted loss for heartb
2020-10-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人