- 博客(12)
- 资源 (27)
- 收藏
- 关注
原创 【论文笔记】ICNet:用于无监督医学图像配准的逆一致性模型
本文是文章《Inverse-Consistent Deep Networks for Unsupervised Deformable Image Registration》的阅读笔记。过去基于学习的配准方法忽略了图像之间转换的逆一致性,并且形变场只被要求局部平滑,不能完全避免形变场的重叠。基于以上两点,提出了一个用于无监督图像配准的逆一致性网络模型ICNet,同时提出了“反重叠约束”来避免形变场的重叠。一、配准问题用SSS表示源图像(浮动图像),TTT表示目标图像(固定图像),FSTF_{ST}FS
2020-07-29 20:56:34 3101 7
原创 【论文笔记】CIRNet:基于CycleGAN的无监督循环配准模型
本文是论文《UNSUPERVISED THREE-DIMENSIONAL IMAGE REGISTRATION USING A CYCLE CONVOLUTIONAL NEURAL NETWORK》的阅读笔记。文章提出了一个无监督的循环图像配准网络CIRNet,它由两个配准模块组成,两者具有相同的结构,并且共享参数。此外加入了循环一致性损失来为确保预测形变场的精度而提供额外的约束。文章在4D(3D+t)心脏CT数据集和MRI数据集上分别做了实验,验证了模型的有效性。简单来说就是将CycleGAN引入到了
2020-07-27 20:40:18 1968 3
原创 【论文笔记】ASNet:基于生成对抗网络(GAN)的无监督单模和多模配准网络(范敬凡老师)
本文是论文《Adversarial learning for mono- or multi-modal registration》的阅读笔记,是范敬凡老师的工作,是文章《Adversarial Similarity Network for Evaluating Image Alignment in Deep Learning based Registration》中工作的延续。关于后一篇文章,可以查看我的博客。文章提出了一个基于GAN(生成对抗网络)的无监督配准模型,需要任何ground-truth形变
2020-07-27 10:48:25 5417 5
原创 FreeSurfer和FSL的安装和使用(脑部图像去除头骨+对图像和label同时进行仿射对齐)教程
FreeSurfer当前只支持Linux系统和Mac OS。我所使用的系统是Ubuntu 16 .0.4,FreeSurfer的安装耗时较小,但是在处理时耗时较长,可能需要数个小时,甚至一天,这个取决于机器性能,但是和GPU好像没太大关系。下面先给出总的安装步骤,然后单独给出详细的安装步骤。首先给出几个我参考的文章:FreeSurfer-IntroductionFSL/FreeSurfer安装教程FreeSurfer使用手册使用Voxelmorph配准IXI:数据预处理之颅骨去除及仿射对齐其
2020-07-24 15:49:36 21537 32
原创 【论文笔记】SYMNet:基于CNN的快速对称微分同胚图像配准
本文是论文《Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks》的阅读笔记。文章中有很多关于数学的描述,包括微分同胚、雅克比矩阵没有看懂,所以这部分内容有所残缺,建议读者直接阅读原文。一、摘要由于之前的方法忽略了形变场的拓扑保持(topology preservation),并且形变场的平滑性只由全局平滑能量函数来约束,文章提出了一个名为SYMNet的无监督对称图像配准模型,该模型同时估计
2020-07-24 09:53:56 5905 9
原创 【论文笔记】FCNet:基于全卷积网络(FCN)的无监督配准模型
本文是论文《Unsupervised Deformable Image Registration with Fully Connected Generative Neural Network》的阅读笔记。文章提出了一个基于FCN(全卷积网络)的无监督配准模型FCNet。尽管固定图像和浮动图像之间的变形场本质上是高维的,但文章假设这些变形场在实际中形成了低维流形。因此,在该模型中,神经网络由低维向量生成变形场的嵌入。这种低维流形形式避免了其他方法在图像配准过程中面临的与高维搜索空间相关的困难。该模型只需要
2020-07-21 15:10:39 3717 1
原创 医学图像配准之形变场可视化(绘制形变场)
本文讲述医学图像配准中形变场的可视化,包括一种直接通过工具查看的方法和两种手工绘制的方法。首先来介绍一下形变场,一个大小为[W,H]的二维图像对应的形变场的大小是[W,H,2],其中第三个维度的大小为2,分别表示在x轴和y轴方向的位移。同理,一个大小为[D,W,H]的三维图像对应的形变场的大小是[D,W,H,3],其中第三个维度的大小为3,分别表示在x轴、y轴和z轴方向的位移。下图是一个二维脑部图像配准后得到的形变场。如一开始所说,下面介绍3中方式来将形变场可视化。1. 使用ITK-Snap可视化
2020-07-18 08:33:50 16247 23
原创 【论文笔记】FlowNet:有监督的光流估计(optical flow estimation)网络
本文是论文《FlowNet: Learning Optical Flow with Convolutional Networks》的阅读笔记。一、概述文章提出了一个名为FlowNet的网络,用有监督的方法根据输入的图像对来解决光流估计(optical flow estimation)问题。FlowNet有两种结构,一种是通用结构,另一种包括一个在不同图像位置的关联特征向量的层。又由于现有的数据集的数据量不足够训练CNN,所以又生成了一个合成的Flying Chairs数据集。光流估计不仅需要每个像素
2020-07-18 08:32:24 7417
原创 【论文笔记】无监督的端到端学习的医学图像配准模型
本文是论文《Unsupervised End-to-end Learning for Deformable Medical Image Registration》的阅读笔记。该模型要比VoxelMorph更早一点,网络结构上两者非常类似,不同的是,本文的模型的配准网络采用的是FlowNet,而VoxelMorph采用的是UNet,两者结构是类似的,都是编码器-解码器结构,都有跳跃连接。此外,该模型在配准网络前面还加入了一个ROI分割网络,以将感兴趣的组织部分和背景分离开来。一、概述文章提出了一个无监督
2020-07-18 08:30:45 4490 2
原创 【论文笔记】UNet++:一种用于医学图像分割的嵌套U-Net结构
本文是《UNet++: A Nested U-Net Architecture for Medical Image Segmentation》论文的阅读笔记。强烈建议大家去看下作者对这篇论文的思维过程:研习UNet。文章提出了一个UNet++的网络,它是一个使用了深度监督(deep supervised)的编码器-解码器结构,在解码器和编码器之间有一系列的密集跳跃连接(dense skip connections)。一、跳跃连接的重要性有很多效果不错的网络结构都采用了跳跃连接的方式,如UNet网络和
2020-07-17 21:45:40 5409 1
原创 【论文笔记】AIR-Net:基于GAN的配准模型
本文是论文《Adversarial Image Registration with Application for MR and TRUS Image Fusion》的阅读笔记。文章提出了一个基于GAN的对MRI和经直肠超声(TRUS)图像进行多模态配准的有监督网络模型AIR-Net,其中MRI被当作固定图像,而经直肠超声图像被当作浮动图像。模型由生成器 GGG 和判别器 DDD 两部分组成,其中生成器直接估计一个从浮动图像到固定图像的转换参数 TestT_{est}Test;然后通过一个图像采样
2020-07-17 21:42:48 1538
原创 【论文笔记】WSAL:基于域适应和生成对抗网络的图像分割模型
本文是论文《Weakly Supervised Adversarial Domain Adaptation for Semantic Segmentation in Urban Scenes》的阅读笔记。在以往的语义分割由于像素级人工标注信息较难获得,并且可能并不准确,所以有些模型采用在生成的数据集上进行训练,然后将训练得到的模型应用在真实数据集上的方法来解决上述问题。但是这种方式的效果并不好。本文据此提出了弱监督的对抗域适应模型。该模型包括三部分,一是物体检测和语义分割模型(DS),用来检测物体并预测
2020-07-17 21:41:48 1217
19年王道408+天勤数据结构讲解视频,王道+天勤书籍PDF版,王道15、16年8套模拟卷,王道09~18十年真题(计算机基础专业综合考试)
2019-03-28
2018年第九届蓝桥杯省赛C++B组和javaB组题目
2018-04-05
基于winpcap的网络嗅探器C语言源代码
2017-12-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人