论文阅读：Graph-based Region and Boundary Aggregation for Biomedical Image Segmentation

已于 2023-03-01 11:09:19 修改
阅读量385 收藏
点赞数
分类专栏： 图神经网络疾病分类 论文阅读 文章标签： python 人工智能 深度学习 神经网络 图像处理
于 2023-03-01 11:06:38 首次发布
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_51429895/article/details/129276268
版权
本文提出了一种结合区域和边界信息的图神经网络（GNN）深度学习框架，用于生物医学图像分割。通过注意增强模块（AEM）提取区分的特征，并利用GNN进行图推理，确保区域和边界的特征一致性。实验表明，这种方法在视神经盘和视神经杯分割以及结肠镜息肉分割任务中提高了模型的鲁棒性和泛化能力。
摘要由CSDN通过智能技术生成

目录

Article information

Related Works & Terminology

Abstract

Methods

Overview

AEM

Graph Based Reasoning

1) Graph Node Initialization

2) Single Graph Reasoning Module

Loss Function

Experiments

Article information

Graph-based Region and Boundary Aggregation for Biomedical Image Segmentation

文献地址：Graph-Based Region and Boundary Aggregation for Biomedical Image Segmentation | IEEE Journals & Magazine | IEEE Xplore

期刊：IEEE Transactions on Medical Imaging, 2021

重点：同时使用区域内部和区域边界的信息，将GNN嵌入生物医学图像分割

The trained models: https://github.com/smallmax00/Graph_Region_Boudnary

Related Works & Terminology

Region-based Segmentation：例如U-n

最低0.47元/天 解锁文章
王茕立
关注
专栏目录
【论文汇总】Semantic-Segmentation(语义分割)
扬帆·启航
12-18 9159
关于语义分割的所有论文和资源的列表。
计算机视觉论文-2021-07-28
中科院AI算法工程师的博客
08-02 1812
本专栏是计算机视觉方向论文收集积累，时间：2021年7月28日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Language Grounding with 3D Objects AUTHORS: Jesse Thomason ; Mohit Shridhar ; Yonatan Bisk ; Chris Paxton ; Luke Zet...
Image Segmentation Using Deep Learning: A Survey
小蒋的博客
12-10 334
基于深度学习的图像分割研究综述,综述论文浏览*6
Image Segmentation Using Deep Learning: A Survery
Fantastic
09-23 3812
图像分割综述–论文翻译 论文地址：https://arxiv.org/pdf/2001.05566.pdf 摘要 图像分割是图像处理以及计算机视频的关键内容，其应用场景非常广泛，如场景理解、医学图像分析、机器人感知、视频监控、增强显示和图像压缩等。目前关于图像分割的算法论文数量非常多。最近，由于深度学习模型在计算机视频任务中的出色表现，大量的图像分割研究工作都在开发深度学习模型在图像分割中的应用。在本次调查综述中，我们提供全面的图像分割的文献综述，涵盖了语义分割和实例分割的广泛开创性工作，其中包括全卷机像素
语义分割 - Semantic Segmentation Papers
ujn20161222的博客
07-23 2071
https://www.aiuai.cn/aifarm62.html 1. Semantic Segmentation Gated-SCNN: Gated Shape CNNs for Semantic Segmentation - 2019 - NVIDIA<Paper><Project> FastFCN: Rethinking Dilated Convolut...
计算机视觉论文-2021-11-02
中科院AI算法工程师的博客
11-03 8490
本专栏是计算机视觉方向论文收集积累，时间：2021年9月15日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 标题：天文学中深度学习算法的鲁棒性——星系形态学研究 作者:阿依普里亚诺维奇等。 类别： 天体 ph.GA [天文 ph.加， cs.简历， cs.LG | 亮点：深度学习模型正越来越多地被广泛应用于科学领域，特别是处理高维和大量的科学数据。 标题：基...
计算机视觉论文笔记
qq_42826747的博客
10-14 2220
写在前面 最近一年已经从java后台的开发岗走向了算法岗，主要是跟随着导师进行计算机视觉方面的研究，我是使用notion来记录我的学习笔记，接下来我会陆续把自己学习过程中看到的知识点、论文笔记等发到博客中，如果有哪里出错，欢迎大家指出（实时更新）！ 论文笔记： 一、图像分类 暂无 二、目标识别 暂无 三、图像分割 2.1 传统方法 基于边缘的图像分割方法 基于阈值的图像分割 基于区域的图像分割 2.2 语义分割 FCN（Fully Convolutional Networks for Semantic
AAAI2020论文列表（中英对照）
dovings的博客
07-04 6167
AAAI2020论文列表（中英对照）
AAAI2021论文列表（中英对照）
dovings的博客
07-04 8453
AAAI2021论文列表（中英对照）
（十九：2020.11.05）MICCAI 2020 追踪之论文纲要（译）＜中＞
Jojo论文基地
11-06 4041
讲在前面 此文章包含第三和第四篇博客。 论文目录 PART III 《Computer Aided Intervention, Ultrasound and Image Registration 计算机辅助干预，超声和图像配准》 计算机辅助干预 概要 1.Reconstructing Sinus Anatomy from Endoscopic Video – Towards a Radiation-Free Approach for Quantitative Longitudinal Ass
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3298
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
AAAI 2022 论文列表
热门推荐
gbstack08的专栏
02-15 2万+
链接及代码之后会更新 GitHub链接：https://github.com/gbstack/AAAI-2022-papers Scaled ReLU Matters for Training Vision Transformers Pichao Wang, Xue Wang, Hao Luo, Jingkai Zhou, Zhipeng Zhou, Fan Wang, Hao Li, Rong Jin Search Strategies for Topological Network Optimizat
（六：2020.08.22）MICCAI 2019 追踪之论文纲要（上）
Jojo论文基地
08-23 4009
MICCAI 2019 论文全解读之PARTII（关于图像分割）（修正于2020.08.22）前言《Searching Learning Strategy with Reinforcement Learning for 3D Medical Image Segmentation》（通过强化学习搜索学习策略进行3D医学图像分割）《Comparative Evaluation of Hand-Engineered and Deep-Learned Features for Neonatal Hip Bone S
【python GUI编码入门-21】如何用Tkinter创建一个记事本应用
木头大左的博客
11-08 40
在现代编程环境中，图形用户界面（GUI）应用程序的开发变得越来越重要。Python的Tkinter库是一个功能强大且易于使用的GUI工具包，非常适合初学者和有经验的开发者使用。本文将详细介绍如何使用Tkinter创建一个简易的记事本应用，涵盖从安装到实现各项功能的全过程。Tkinter是Python的标准GUI库，它提供了丰富的接口来创建窗口、对话框、按钮等常见的GUI组件。Tkinter具有良好的跨平台性，可以在Windows、Mac OS和Linux上运行。
【anaconda】使用记录
zhuyan108的博客
11-05 343
window11 下安装anaconda。
智能化运维的未来：AI和机器学习在运维中的应用
Echo_Wish的博客
11-05 555
AI和机器学习在运维中的应用，不仅提高了运维效率和质量，还为企业的数字化转型提供了强有力的技术支持。通过预测性维护、自动化运维、异常检测和智能告警等应用，企业可以更好地管理和优化其IT基础设施，确保系统的高效、稳定运行。希望本文能为读者提供有价值的参考，帮助你在运维实践中更好地应用AI和机器学习技术。如果有任何问题或需要进一步讨论，欢迎交流探讨。让我们共同推动智能运维的发展，实现更高效、更智能的运维管理。
一次薅国家超算平台的记录
weixin_55179972的博客
11-07 407
参与 谁是下一个“AI”跃人 -AI体验推介活动，赢取千元算力券！（https://www.scnet.cn/home/subject/modular/index270.html）2. Clone开源的Llama3 Chinese （https://github.com/LlamaFamily/Llama-Chinese）活动名称主题：国家超算互联网「AI跃升季」：谁是下一个“AI”跃人 - AI算力体验活动。其中位置1，2替换为商品基模型和训练出来的微调模型。模型改为商城下载的模型。2、运行的过程记录。
推荐一款管道数据检索工具：Pipedata-Pro
最新发布
11-09 317
是一款专为设计石油、天然气、水和蒸汽管道及管道系统的工程师开发的应用程序。该应用程序提供了设计管道系统所需的工程数据，拥有一个全面的管道类型、配件和材料。
Python小游戏21——拼图小游戏
cxh666888_的博客
11-05 1078
如果图像大小不同，你需要调整tile_size和图像缩放代码。初始化Pygame：使用pygame.init()来初始化Pygame库，这是使用Pygame进行任何游戏开发的第一步。更新屏幕：使用pygame.display.flip()或pygame.display.update()来更新屏幕显示。调整图像大小：使用pygame.transform.scale()来调整图像的大小，以适应拼图游戏的需求。设置屏幕尺寸：使用pygame.display.set_mode()来设置游戏的屏幕尺寸和模式。
graph-based image segmentation
06-28
### 回答1： 基于图像分割的图像分割是一种基于图像像素之间的相似性和差异性来分割图像的方法。该方法将图像表示为图形，其中每个像素都是图形中的一个节点，相邻像素之间的边缘表示它们之间的相似性和差异性。然后，使用图形分割算法将图形分成不同的区域，每个区域都具有相似的像素值和特征。这种方法在计算机视觉和图像处理中广泛应用，例如目标检测，图像分割和图像分析等领域。 ### 回答2： 图像分割是一种通过将图像分割成若干个子区域，从而将图像信息分解的方法，其中每个子区域能够代表整个图像的一个重要部分。在计算机视觉应用中，图像分割技术是非常重要的，因为它可以为图像处理和图像分析提供基础。 其中一种广泛应用的图像分割技术就是图像分割算法，其中一种主要的算法就是基于图的图像分割算法。这种算法的基本原理是将图像转换成一个带权图，然后使用图论算法来将图像切分成若干子区域。其中图论算法包括最小割算法和归一化割谱聚类算法等。 最小割算法的基本思想是将图像中的每个像素点表示为图中的一个节点，并且将节点之间的边表示为不同像素之间的相似性。最小割算法通过不断地在图中切割最小权重的边，从而实现最小割。这样，图像的每个节点都位于一个切割的区域内。 归一化割谱聚类算法是一种基于图的图像分割算法，它首先将图像表示为一个带权图的临界矩阵，然后通过计算临界矩阵的本征矢量和本征值，来对图像进行聚类。归一化割谱聚类算法适用于图像中具有多个分离目标的情况，它可以通过本征值的数量和本征向量的个数来对图像进行有效的分割。 总之，基于图的图像分割算法是一种非常有效和广泛应用的技术，它可以在很多计算机视觉应用中发挥重要作用。无论是最小割算法，还是归一化割谱聚类算法，它们都是基于图像特征来切割图像的，并且可以在不同场景中应用。因此，我们可以使用这些算法来实现图像分割、物体检测和图像分析等领域。 ### 回答3： 图像分割是图像处理中的一个重要研究领域，它旨在将一幅图像分割成不同的区域，每个区域内的像素具有相似的特点。图像分割在计算机视觉、医学图像处理、机器人技术、自动驾驶等领域有着广泛的应用。其中，基于图的图像分割是一种常见的方法。 基于图的图像分割是指将图像表示为一个图，并使用图论方法对其进行分割。通常，我们将图像的像素看做图中的节点，将相邻的像素之间连接一条边，边权则表示节点之间的相似度。然后，我们将图中的节点分为不同的集合，使得集合内的节点相似度高于不同集合之间的相似度。 基于图的图像分割有很多算法，常见的包括最小割算法、谱聚类算法、标准化割算法等。其中，最小割算法是基于图像中两个不同区域间的点连接权重的最小价值问题来实现的。 对于一个图像，我们先将其表示为一个无向图，并将每一个像素点看作该图中的节点。接着，我们将相邻像素点之间的连线看作边，每一条边的权值取决于相邻像素点间的相似度，我们可以使用灰度差值和颜色差值作为相似度的衡量标准。然后，在这个图中，我们找出一条最小路径来将该图分成两个部分，这条路径就是最小割，分成两部分的区域就是图像的分割结果。 总之，基于图的图像分割是一种常见的图像分割方法，它使用图像形式来表示并更好地处理图像中的区域分割问题，是计算机视觉领域中的一个重要研究方向。
评论
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