- 博客(30)
- 收藏
- 关注
RSS订阅原创 Semantic Consistent UnsupervisedDomain Adaptation for Cross-https:ModalityMedical Image Segmentation
无监督域适应(UDA)交叉模态医学图像分割技术通过域不变特征学习或图像外观转换取得了很大进展。基于特征级自适应的方法在分类任务中学习到良好的领域不变特征，但通常不能检测像素级的领域偏移，在密集的语义分割任务中不能取得良好的结果。基于图像外观自适应的方法将图像转换成不同风格，具有良好的外观，但语义一致性难以保持，导致跨模态分割效果差。在本文中，我们提出了UDA的模态内和跨模态语义一致性(ICMSC)，我们的关键见解是，不同风格的合成图像的分割应该是一致的。
2022-08-24 19:39:20
854
1
原创 TMI2021 :Adapt Everywhere: Unsupervised Adaptation of Point-Clouds and Entropy Minimization for Mult
深度学习模型对领域偏移现象非常敏感。在一个领域的图像上训练的模型不能很好地概括当测试从不同的领域的图像，尽管捕获了相似的解剖结构。这主要是因为两个域之间的数据分布不同。此外，为每个新模态创建注释是一项冗长而耗时的任务，而且还会受到观察者之间和观察者内部的高度可变性的影响。无监督域适应(UDA)方法旨在减少源域和目标域之间的差距，利用源域标记数据生成目标域的标签。然而，当前最先进的(SOTA) UDA方法在源和目标域数据不足时性能下降。本文提出了一种新的基于UDA的多模态心脏图像分割方法。
2022-08-24 18:36:55
1021
原创 【论文粗读】变分自编码器以及应用在域自适应
Unet和变分自编码器（生成网络）的一种结合，通过对潜在空间进行扰动来获得预测不确定性的能力，文中对latent space扰动三次，然后结合unet的输出最终获得多个预测结果，由此来计算不确定性。通过下面这个代码生成干扰后的模型，通过这些模型来获得。也是利用变分自编码器来生成不确定性的模型，transfer branch模块和上面一篇论文大同小异。在adaptation branch中还通过不确定性map来挑选置信度较高的一些图片，然后送到后面分割网络中去训练。
2022-08-20 10:41:11
705
原创 Domain Adaptation Meets Zero-Shot Learning:An Annotation-Efficient Approachto Multi-Modality Medic
由于缺乏正确注释的医学数据，探索深度模型的泛化能力成为公众关注的问题。近年来出现的零样本学习(Zero-shot learning, ZSL)使深度模型具备了识别不可见类的能力。但现有的研究主要集中在自然图像上，利用语言模型提取辅助信息用于ZSL。将自然图像ZSL解决方案直接应用于医学图像是不现实的，因为医学术语具有很强的领域特异性，并且不容易获得医学术语的语言模型。在这项工作中，我们提出了一个新的范式的ZSL专门用于医学图像利用交叉模态信息。我们对所提出的范式做出了三个主要贡献。
2022-08-19 10:39:10
969
原创 【论文粗读】Pick-and-Learn: Automatic Quality Evaluationfor Noisy-Labeled Image Segmentation
MICCAI2019 :Pick-and-Learn: Automatic Quality Evaluation for Noisy-Labeled Image SegmentationMICCAI2019 :选择-学习:噪声标记图像分割的自动质量评估参考博客：[MICCAI2019] Pick-and-Learn: Automatic Quality Evaluation for Noisy-Labeled Image Segmentation深度学习方法在许多领域都取得了很好的效果，但在训练过程中，它们
2022-07-11 20:23:14
188
原创 【论文粗读】Semi-Supervised Semantic Segmentationwith High- and Low-level Consistency
TPAMI2021 具有高、低一致性的半监督语义分割代码地址：GitHub - sud0301/semisup-semseg使用两个网络分支，将半监督分类与包括自训练在内的半监督分割联系起来。双分支方法减少了使用少量标签进行训练时典型的低水平和高水平伪影。来自P ASCAL VOC数据集的图像(a)及其groundtruth分割掩码（b）。预测（c）通过5%标记样本的监督训练获得。使用其他95%的未标记图像，我们基于GAN的分支改进了形状估计（d）。第二个分支通过消除误报（e）来增加高级一致性。（f） 显
2022-07-09 16:44:18
748
原创 【论文精读】Semi-supervised Medical Image Segmentation through Dual-task Consistency
CVPR 2021 基于双任务一致性的半监督医学图像分割代码：GitHub - HiLab-git/DTC: Semi-supervised Medical Image Segmentation through Dual-task Consistency 基于深度学习的半监督学习(SSL)算法在医学图像分割方面取得了很有前景的结果，可以通过利用未标记的数据来减轻医生昂贵的注释。然而，文献中现有的SSL算法大多倾向于通过扰动网络或数据来regularize模型训练。观察到多任务/双任务学习关注具
2022-07-07 21:32:31
2207
4
原创 【论文粗读、损失函数简单复现】CF2-Net
乳腺超声(BUS)图像分割在计算机辅助诊断系统中起着至关重要的作用，它被认为是帮助提高乳腺癌诊断准确性的有用工具。近年来，许多深度学习方法被开发出来用于BUS图像的分割，并与传统的区域分割、模型分割和传统的基于学习的分割方法相比显示出一些优势。然而，以往的深度学习方法通常使用跳接连接进行编码器和解码器的连接，这可能无法完全融合编码器和解码器的粗到细特征。由于BUS图像中病灶的结构和边缘通常是模糊的，这将导致很难学习到结构和边缘的判别信息，从而降低了性能。为此，我们提出并评估了一种基于新型特征集成策略(形成一
2022-07-01 16:55:40
532
原创 【论文精读】TMI2021医学图像分割 SMU-Net
SMU-Net: Saliency-guided Morphology-aware U-Net for Breast Lesion Segmentation in Ultrasound ImageSMU-Net: 显著引导形态感知U-Net用于超声图像乳腺病变分割深度学习方法，尤其是卷积神经网络已成功应用于乳腺超声(BUS)图像的病变分割。然而，周围组织(即背景)与病灶区域(即前景)之间的模式复杂性和强度相似性给病灶分割带来了挑战。由于背景中包含了如此丰富的纹理信息，很少有方法试图探索和利用背景显著性表示来
2022-07-01 13:39:11
6926
6
原创 CT图像超像素分割
论文代码：SLIC算法分割超像素原理及Python实现相关博客如下： 实验结果彩色图像1.迭代一次和原图对比如下：2.迭代十次和原图对比如下：1.迭代一次和原图对比如下 2.迭代十次和原图对比如下：...
2022-06-30 15:20:27
840
原创 【论文精读】TMI2022.FCP-Net
论文：FCP-Net: A Feature-Compression-Pyramid Network Guided by Game-Theoretic Interactions for Medical Image Segmentation论文地址：https://ieeexplore.ieee.org/document/9667534Published in: IEEE Transactions on Medical Imaging ( Volume: 41, Issue: 6, June 2022)目录语义
2022-06-29 16:49:43
1899
1
原创 【论文粗读】语义分割CVPR2020-Context Prior for Scene Segmentation -基于上下文先验知识的场景分割
最近的工作已经广泛地探索了上下文依赖(contextual dependencies)关系，以实现更准确的分割结果。然而，大多数方法很少区分不同类型的上下文依赖关系，这可能会污染对场景的理解(pollute the scene understanding)。在这项工作中，我们直接监督特征聚合，以清楚地区分类内和类间的上下文。具体来说，我们开发了一个上下文先验与监督的亲和损失（ Afinity Loss）。给定一个输入图像和相应的GT，亲和损失构建了一个理想的亲和图( affifinity map)来监督先验
2022-06-22 15:47:38
629
原创 【论文精读】Pairwise learning for medical image segmentation
本文提出了一种共轭完全卷积网络conjugate fully convolutional network(CFCN)，其中输入成对样本来捕获丰富的上下文表示，并通过融合模块相互引导。为了避免由少量训练样本引入的类内异质性和边界模糊带来的过拟合问题，我们建议明确利用标签空间的先验信息，称为代理监督。我们进一步将CFCN扩展为紧耦共轭全卷积网络compactconjugate fully convolutional network()，与CFCN相比，它只需要一个头部来拟合代理监督，而不需要额外的两个解码器..
2022-06-18 18:08:17
698
原创 BiO-Net: Learning Recurrent Bi-directional Connections for Encoder-Decoder Architecture
BiO系列项目地址目录MICCAI 2020 学习用于 编码器-解码器结构的递归双向连接网络框架系列框图完整网络代码关键词：递归、双向
2022-06-17 15:51:54
407
原创 【复现过程】win 10 python3.6 安装条件随机场包 pydensecrf
~~记录一下自己踩过的坑python3.6安装条件随机场包 pydensecrf==1.0rc3 非常容易出问题：这里的解决办法经过尝试是有效的：1 pip install cython2 conda install -c conda-forge pydensecrf
2022-06-14 11:11:23
293
1
原创 Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis from Lung CT Scans with MSGDA
语义分割论文Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis from Lung CT Scans with Multi-Scale Guided Dense Attention
2022-06-13 22:26:11
207
原创 【论文精读】PSIGAN: Joint Probabilistic Segmentation and Image Distribution Matching for Unpaired Cross-
语义分割、医学图像分割论文基于非配对交叉模态自适应MRI分割的联合概率分割和图像分布匹配目录2020 IEEE Transactions on Medical Imaging(TMI)
2022-06-08 21:36:37
152
原创 【系列笔记1】基于迁移学习的语义分割常见算法系
语义分割面临的两大问题是除了要从数据集上来解决，他们发现可以通过计算机图形学等技术通过合成出模拟的数据集代替真实世界的这些数据集，从而降低标注的成本。 因此目标就是通过研究出来的迁移算法解决在源域训练的模型在目标域上性能降低的问题。......
2022-06-08 21:34:36
1462
原创 【论文】Contrastive Learning for Unpaired Image-to-Image Translation复现过程
Contrastive Learning for Unpaired Image-to-Image Translation复现过程
2022-06-08 11:11:49
442
1
原创 【笔记】迁移学习中边缘概率分布和条件概率分布
迁移学习——域自适应迁移学习概述（Transfer Learning）在迁移学习中，边缘概率分布和条件概率分布有什么含义？ 学习域适应之前比较陌生的是在迁移学习中边缘概率分布和条件概率分布有什么含义？（参考王晋东大佬和一些知乎上的回答）......
2022-06-04 16:40:50
2612
1
原创 Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation
Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation
2022-06-03 17:14:55
750
原创 Cascaded Partial Decoder for Fast and Accurate Salient Object Detection
显著性检测系列Cascaded Partial Decoder for Fast and Accurate Salient Object Detection
2022-06-02 22:23:52
755
原创 PraNet: Parallel Reverse Attention Network for Polyp Segmentation
MICCAI2020 PraNet: Parallel Reverse Attention Network for Polyp Segmentation
2022-06-02 18:13:56
2693
1
原创 LA-Net: A Multi-task Deep Network For The Segmentation of The Left Atrium
LA-Net: A Multi-task Deep Network For The Segmentation of The Left Atrium
2022-06-01 22:03:59
494
1
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