医学图像分割：自动心脏诊断挑战赛项目数据集（ACDC）

最新推荐文章于 2024-12-29 00:11:27 发布
最新推荐文章于 2024-12-29 00:11:27 发布
阅读量2.4k 收藏 4
点赞数 1
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46871027/article/details/131824920
版权

Local contrastive loss with pseudo-label based self-training for semi-supervised medical image segmentation

Krishna Chaitanya, Ertunc Erdil, Neerav Karani, and Ender Konukoglu
(a) ACDC Dataset: It contains 100 short-axis MR-cine T1 3D volumes of cardiac anatomy acquired using 1.5T and 3T scanners. The expert annotations are provided for three structures: right ventricle, myocardium, and left ventricle. It was hosted as part of the MICCAI ACDC challenge 2017.

ACDC数据集

 

【ACDC数据集】：预处理ACDC心脏3D MRI影像数据集到VOC数据集格式，nii转为jpg，label转为png
cvxiayixiao的博客
09-24 1万+
1️⃣ ACDC数据集介绍【Segment Anything Model】做分割的，欢迎来学习。【博主微信】cvxiaoyixiao本专栏为公开数据集的预处理，持续更新中。
MICCAI 2024｜改进U-Net！SelfReg-UNet：医学图像分割新框架
阿木寺的博客
08-12 1872
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【Mamba和医学影像】交流群添加微信号：CVer111，小助手会拉你进群！扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪，强烈推荐！转载自：极市平台所提出的方法可以即插即用的方式集成到现有的UNet架构中，并且不增加计算成...
医学图像数据集下载地址
qq_44504069的博客
04-11 3957
医学图像数据集下载地址
《Swin-Unet: 类Unet的纯Transformer架构用于医学图像分割》学习笔记
学无止境。
12-29 3001
近年来，卷积神经网络（CNN）在医学图像分析领域取得了重要进展。尤其是基于U形架构和跳跃连接的深度神经网络广泛应用于各种医学图像任务。然而，尽管CNN表现优异，但由于卷积操作的局部性，其难以很好地学习全局和长距离语义信息的交互。在本文中，我们提出了Swin-Unet，一种用于医学图像分割的类Unet纯Transformer模型。被切分为Token的图像块输入到基于Transformer的U形编码器-解码器架构中，通过跳跃连接实现局部和全局语义特征的学习。
半监督的医学分割数据集(LA, Pancreas, ACDC和PROMISE12)分享
qq_45691955的博客
03-19 2787
这篇文章提供了四个常用的半监督医学分割数据集，所有数据集都已经被处理成了.h5文件。下载之后就可以直接使用
ACDC数据集简介: Adverse Conditions Dataset with Correspondences
热门推荐
qq_40731332的博客
09-03 1万+
Overviewer 包含fog、nighttime、rain和snow四种常见adverse condition，每种恶劣条件有1000张图片（训练集400/验证集100/测试集500）。BDD100k最大的问题是存在天气标签错误。许多雨天、雪天实际上可以归为overcast或者partly cloudy。 每张图片有（1）像素级别的标注；（2）相同场景下的正常图片；（3）区分确定和不确定语义内容的图像内区域的二值掩码。 训练集和验证集的GT标注已开源，可在官网下载：https://acd.
深度学习+心脏医学图像分割——自动心脏诊断挑战赛（ACDC）项目的代码学习记录
weixin_44450575的博客
11-10 3861
这个项目的运行环境要求：python3.5、Tensorflow 1.12、最后决定用学校的服务器来跑，学校的服务器配置是7张2080显卡：在尝试WinSCP、XShell、FinalShell三个终端工具后，最终确定使用FinalShell，上传下载文件方便，还可以直接运行服务器终端，确实很好用。
【Pytorch-ACDC】复现U-Net for Cardiac Segmentation记录
qq_44779076的博客
03-21 9319
本文简要介绍了U-Net网络的结构和特点，并基于Pytorch在公开的医学图像数据集ACDC进行实验，记录实验过程中所遇到的问题和解决思路，希望能为读者带来一定的参考价值。本文持续更新...
ACDC：开箱即用的多租户数据集成平台
万猫学社
04-10 7501
新东方的一些核心业务存在单元写、中心入仓的场景，因此需要将数据从各单元的关系型数据库同步到中心，并异构存储到数据仓库之中。技术团队最初使用 Apache Sqoop 以批的方式实现了这个能力。随着数据量的增长，这个方案很快暴露出了一些问题，如：
医学图像分割：自动心脏诊断挑战赛项目代码学习（ACDC）
jiushijie的博客
05-30 9344
最近学习了2017年ACDC挑战赛（Automated Cardiac Diagnosis Challenge）的参赛者的项目代码，差不多都读完了，因为自己学的时候相关的文章有点少，所以简单写一下笔记，方便一下以后学习的人。我所阅读过的项目代码并不算很多，所以并不算精通，有理解错误欢迎大佬捉虫。所以相对的：简单的问题，如果你大概看过代码，善用网络搜索都找到解决方法；复杂的问题，问我也不会有结果的，因为每个人的电脑环境都不一样，我不是大佬也不能顺着网线爬过去帮你解决。 代码地址：传送门 作者文章地址：传送门
ACDC模块简介.pdf
11-12
comsol中关于电磁场模拟的用户操作手册和指南，可帮助用户结合自身实例进行物理场的设置，对初学者很有帮助
dc-数据集
03-26
Left Ventricle Image Dataset by MICCAI2019 MICCAI 2019左心房医学图像数据集-数据集
03-19
The dataset is from MICCAI 2019 Challenge. 本数据集由MICCAI 2019出品。 leftventricleimage_test_datasets.zip TestData_LVQuan19_Description.pdf
acdc_segmenter:我们提交给2017 ACDC心脏分割挑战赛的公开代码
05-05
该存储库包含用于训练最新技术的心脏分割网络的代码，如本文所述：。 修改后的U-Net架构在MICCAI 2017 赛中获得第三名。 作者： 克里斯蒂安·鲍姆加特纳（） 丽莎·科赫（） 如果您发现此代码对您的研究有所帮助，请引用以下文章： @article{baumgartner2017exploration, title={An Exploration of {2D} and {3D} Deep Learning Techniques for Cardiac {MR} Image Segmentation}, author={Baumgartner, Christian F and Koch, Lisa M and Pollefeys, Marc and Konukoglu, Ender}, journal={arXiv preprint arXiv:1709.044
医学ACDC数据集图像分割
最新发布
02-24
针对医学图像分割领域，特别是对于自动心脏诊断挑战赛项目数据集（ACDC），一种有效的方法是采用基于伪标签的自我训练并结合局部对比损失函数来完成半监督医疗图像分割任务[^1]。 这种方法通过利用未标记的数据增强...
医学心脏数据集
hahahashinia的博客
12-10 8670
心脏数据集（MRI） 引言 目前研究方向是基于深度学习的心脏病诊断研究，研究第一步就是找数据集，谨以我自己的经验希望可以让后面相关研究者少走弯路。 心脏数据集 1.肥厚型心脏病 Hypertrophic Cardiomyopathy （MRI） https://medpix.nlm.nih.gov/case?id=dc0e0559-e5f0-4fbe-82be-3b610ce7a9b2 2.心尖...
Mamba-UNet：用于医学图像分割的类似UNet的纯视觉Mamba网络
AI浩
02-14 6267
所提出的Mamba-UNet的架构如图2所示，其灵感来源于UNet [24] 和 Swin-UNet [3]。首先将大小为 H × W × 1 的2D灰度图像分割成类似于ViT和VMamba的块 [5,16]，然后转换为维度为 H/4 × W/4 × 16 的1D序列。一个初始的线性嵌入层将特征维度调整为任意大小C。这些块令牌随后通过多个VSS块和块合并层进行处理，以创建分层特征。块合并层负责下采样和维度增加，而VSS块则专注于学习特征表示。
【论文阅读笔记】面向心脏MRI分割的方向特征图学习
qq_37149304的博客
03-04 1028
面向心脏MRI分割特征图学习
医学图像开源数据集
qq_37764129的博客
07-03 8939
数据集:一文道尽医学图像数据集与竞赛： https://www.cnblogs.com/yumoye/p/10512460.html https://zhuanlan.zhihu.com/p/24634505
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值