wufen_-CSDN博客

原创【论文笔记】MedKLIP: Medical Knowledge Enhanced Language-Image Pre-Training

目标是指患者推断出具有特定疾病的可能性，由输入描述指示表示预测的空间热图，对可能为此类疾病提供视觉指示的像素进行高度激活。

2024-03-26 08:00:00 981

原创【论文笔记】A Survey on Deep Learning and Explainability for Automatic Report Generation from Medical

A Survey on Deep Learning and Explainability for Automatic Report Generation from Medical Images

2024-03-21 08:00:00 991 1

原创【模型学习】CLIP_对比语言-图像预训练

CLIP的全称是Contrastive Language-Image Pre-Training，中文是对比语言-图像预训练。CLIP的主要目标是通过对比学习，学习匹配图像和文本。在训练过程中，模型学会了将图像和文本编码成统一的向量空间，这使得它能够在语言和视觉上理解它们之间的关系。通过这种方式，CLIP可以识别图像中的物体、场景、动作等元素，同时也能够理解与图像相关的文本，例如标签、描述、标题等。CLIP的基本原理是对比学习，即让模型学习区分正样本（匹配的图像和文本对）和负样本（不匹配的图像和文本对）

2024-02-22 10:00:00 1184 1

原创【论文笔记】An explainable stacked ensemble of deep learning models

论文笔记：An explainable stacked ensemble of deep learning models for improved melanoma skin cancer detection

2024-02-21 08:00:00 981

原创【论文笔记】基于自监督学习的医学影像异常检测

使用一个多视图分类作为自监督任务,通过对目标域的简单微调可以解决下游的医学图像分割任务;进一步降低了医学图像分割所需的人工标注成本, 在一些多视图样本下的实验结果也证明了这个优势;最后, 自监督的分类任务可以通过学习多视图表示的丰富性提高分割的准确性.今后将把多视图自监督方法扩展到三维环境中（因为是将三维图像切片为2d进行处理）x_iy_i。

2024-02-20 08:00:00 885

原创【论文笔记】A knee cannot have lung disease: out-of-distribution detection with in-distribution voting

采用分布内投票（in-distribution voting，IDV），评价指标为AUC（Area Under the Curve），与Mahalanobis-based OOD detection, MaxLogit, MaxEnergy and self-supervised OOD detection (SS OOD)这些模型进行比较。

2024-02-19 08:00:00 939

原创【论文笔记】Out-of-Distribution Detection using Combination of Feature Uncertainty and Mahalanobis

Fine-Grained Out-of-Distribution Detection of Medical Images using Combination of Feature Uncertainty and Mahalanobis Distance 论文速读

2024-02-18 15:00:00 2380 1

wufen_的博客