![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文精读
文章平均质量分 77
LANG_C_
这个作者很懒,什么都没留下…
展开
-
【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。原创 2022-08-20 10:41:11 · 758 阅读 · 0 评论 -
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。原创 2022-08-19 10:39:10 · 984 阅读 · 0 评论 -
【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,它们原创 2022-07-11 20:23:14 · 194 阅读 · 0 评论 -
【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) 显原创 2022-07-09 16:44:18 · 775 阅读 · 0 评论 -
【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/双任务学习关注具原创 2022-07-07 21:32:31 · 2426 阅读 · 4 评论 -
【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(形成一原创 2022-07-01 16:55:40 · 558 阅读 · 0 评论 -
【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原创 2022-07-01 13:39:11 · 7211 阅读 · 5 评论 -
【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)目录语义原创 2022-06-29 16:49:43 · 1950 阅读 · 1 评论 -
【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)来监督先验原创 2022-06-22 15:47:38 · 636 阅读 · 0 评论 -
【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..原创 2022-06-18 18:08:17 · 712 阅读 · 0 评论 -
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 原创 2022-06-17 15:51:54 · 427 阅读 · 0 评论 -
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原创 2022-06-13 22:26:11 · 214 阅读 · 0 评论 -
Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation
Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation原创 2022-06-03 17:14:55 · 801 阅读 · 0 评论 -
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原创 2022-06-02 22:23:52 · 784 阅读 · 0 评论 -
PraNet: Parallel Reverse Attention Network for Polyp Segmentation
MICCAI2020 PraNet: Parallel Reverse Attention Network for Polyp Segmentation原创 2022-06-02 18:13:56 · 2932 阅读 · 3 评论 -
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原创 2022-06-01 22:03:59 · 551 阅读 · 1 评论