- 博客(4)
- 收藏
- 关注
RSS订阅原创 文献日更：Deep Learning Assessment of Small Renal Massess at Contrast-enhanced Multiphase CT
对于回溯性测试集，深度学习算法和泌尿外科医生有着相似的AUC，为0.74（95%置信区间：0.63,0.83）和0.81（95%置信区间：0.68,0.92）(P=.78），respectively.对于每个肾脏肿块，配准好的多期相图像被裁剪为14×14cm的以肿瘤为中心的感兴趣区域在轴向的切片，以肿瘤区域的直径的最大值。1.开发了一种深度学习算法识别微小(≤3cm)良性肾脏肿块，在对比增强多期相CT上，有comparable的性能，与泌尿外科影像科医生相比，在多中心的外部数据集(n=537;
2024-06-09 17:46:03
240
原创 文献日更Adult-Like Phase and Multi-scale Assistance for Isointense Infant Brain Tissue Segmentation
但是，对6月大婴儿的脑组织自动分割仍具有挑战性，即使是手工标注的，因为出生第一年内固有的持续髓鞘形成。为了解决这个问题，在本研究中，我们提出了一种新颖的网络，用多阶段数据和多尺度辅助信息来精确分割等信号阶段脑组织。具体的，我们的框架包括两个主要模块，即语义保持的生成对抗网络(SPGAN)和基于Transformer的多尺度分割网络(TMSN)。SPAGN双向的传递等信号阶段和类成人阶段的大脑表征。另一方面，类成人合成图像提供了模糊组织边界的先验知识在配对的等信号阶段数据。
2024-05-29 22:08:57
268
原创 文献阅读24.5.19
结果表明，他们重建出的超分辨率图像与临床真实采集的高分辨率图像有较高的一致性，在大脑皮层厚度、形态学结构等方面基本达到影像科医生的需求，有较好的临床使用价值。这篇文章是医学图像分割模型跨模态无监督域适应方面的工作，针对在一种模态（如MRI）上训练的三维医学图像分割模型应用于另一种模态（如CT）的图像上时性能下降的问题，提出了一种基于双域过滤伪标签的跨模态域适应方法，在听神经瘤、胶质瘤以及心脏结构等的跨模态分割任务中，无需目标模态中数据的标注，即可将源模态中有标注数据上训练的模型进行高效迁移适应。
2024-05-20 14:42:50
820
原创 AssertionError assert os.path.exists(path)解决办法记录
assert os.path.exists(args.config) 处会出错。2. 对照os.getcwd()的结果，检查args.config的路径有没有拼写错误。这个是由于args.config的路径不存在于os.path中。在调试hparams.py时，查看os.path下路径。
2023-09-21 15:57:08
1393
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