【医学图像处理】用于精确生物医学图像分割的复合 Transformer 本文提出了 Multi-Compound Transformer (MCTrans) 网络，它构建了跨尺度的上下文依赖关系，并挖掘了语义关系，用于准确的生物医学图像分割。
【医学图像处理】融合 Transformer 和 CNN 进行医学图像分割 本文提出了一种不同的架构——TransFuse，它以并行的方式运行基于 CNN 的编码器和基于 Transformer 的分割网络，然后使用提出的融合模块 BiFusion 有效地融合两个分支的多层级特征。 TransFuse 具有以下几个优点： 1) 可以有效捕获低级空间特征和高级语义上下文； 2）它不需要很深的网络，这缓解了梯度消失和特征重用衰减的问题； 3）它大大提高了模型大小和推理速度的效率，不仅可以在云端部署，还可以在边缘部署。
【医学图像处理】用于肝血管分割的平均教师辅助置信学习 Noisy Labels are Treasure: Mean-Teacher-Assisted Confident Learning for Hepatic Vessel Segmentation标题：Noisy Labels are Treasure: Mean-Teacher-Assisted Confident Learning for Hepatic Vessel Segmentation作者：Donghuan Lu，腾讯天衍实验室；Xiu Li，清华大学深圳国际研究生院来源：MICCAI
【医学图像处理】基于深度上下文学习的徒手三维超声重建 基于深度上下文学习的徒手三维超声重建Sensorless Freehand 3D Ultrasound Reconstruction via Deep Contextual Learning.pdf论文：https://arxiv.org/abs/2006.07694代码：https://github.com/DIAL-RPI/FreehandUSRecon1. 研究概述目前从徒手超声扫描（freehand US）重建3D图像需要外部跟踪设备来提供每一帧的空间位置。本文提出了一种深度上下
【医学图像处理】V-Net：用于体积医学图像分割的全卷积神经网络 原文：Milletari, F. et al. “V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation.”2016 Fourth International Conference on 3D Vision (3DV)(2016): 565-571.1. 概述作者在本文中提出了一种基于全卷积神经网络的 3D 图像分割方法。此外，本文引入了一个新的基于 Dice 系数的目标...
关注
