深度学习：综述：医疗影像数据+CV数据集
GitHub：https://github.com/albarqouni/Deep-Learning-for-Medical-Applications
医疗数据集：https://blog.csdn.net/Suii_v5/article/details/77920948?locationNum=10&fps=1
乳腺MG数据获取:https://blog.csdn.net/dcxhun3/article/details/52173925
一些常用图像数据库总结：https://blog.csdn.net/JIEJINQUANIL/article/details/50341765
医疗影像论文汇总：https://cloud.tencent.com/developer/article/1064590
1、肺结节数据库LIDC-IDRI：
CSDN数据库介绍：http://blog.csdn.net/dcxhun3/article/details/54289598
数据库网址：https://wiki.cancerimagingarchive.net/display/Public/LIDC-IDRI
2、乳腺图像数据库DDSM MIAS
数据库介绍(DDSM SQL Data Base):http://deckard.mc.duke.edu/ddsm_sql/book1.html
图片格式为LJPEG需要使用对应的压缩方法对其进行解压，目前找到了xMedcon，但是不太会用，打不开相应的文件，也可能是不是使用这个软件压缩的。不过这个软件可以用来转换大部分的医学图像。matlab社区上有how to open lossless jpeg file，但是其中有一些答案提供的网址不能打开，可能是没有科学上网？？
数据库网址：http://figment.csee.usf.edu/Mammography/Database.html
MIAS MiniMammographic Database(来自researchgate的一个问答)：322例，尺寸：1024*1024pixel，图像数据是PGM格式，找到一个介绍和读取的博客代码使用的c，matlab问答相关
小型乳房X光数据库：http://peipa.essex.ac.uk/pix/mias/all-mias.tar.gz
这也是一个乳腺的图像数据库，但是现在还没有搞清楚下载、格式之类的：https://www.repository.cam.ac.uk/handle/1810/250394?show=full
3、医学图像问答（目前还没搞清楚干嘛的，好像是一个网站的问答。暂存）
网址：http://www.dclunie.com/medical-image-faq/html/index.html
4、左心室MRI图像
Cardiac MRI Dataset： http://www.cse.yorku.ca/~mridataset/
右心室MRI数据RVSC
右心室分割挑战赛（2012）：http://pagesperso.litislab.fr/cpetitjean/mr-images-and-contour-data/
5、Kaggle比赛网址：https://www.kaggle.com/
CT Medical Image Analysis Turorial这个比赛好像是分析CT纹理与患者年龄的关系。
肺癌分类比赛：https://www.kaggle.com/c/data-science-bowl-2017/data
分割肺癌(Kaggle)：https://www.kaggle.com/kmader/finding-lungs-in-ct-data
DICOM文件打开使用Sante DICOM Free，paraview也可以打开，Mango网站：https://idoimaging.com/programs/124；anteDicom官方下载网址：http://www.santesoft.com/win/sante-dicom-viewer-free/download.html
6、Cancer Imaging Archive这个网站可以获得一些癌症的数据库，下载下来是jnpl文件需要使用jre环境进行下载：
http://www.cancerimagingarchive.net/
7、OsiriX数据库：各种医学数据，好像得注册收费的样子，还没搞清楚
http://www.osirix-viewer.com/resources/dicom-image-library/
8.Github上哈佛 beamandrew机器学习和医学影像研究者-贡献的数据集
https://github.com/beamandrew/medical-data
9.ISBI（生物医学成像国际研讨会）
https://grand-challenge.org/All_Challenges/
10.NITRC的IBSR数据集
一、医疗+深度学习
医疗论文期刊/会议：
- Medical Image Analysis (MedIA)（http://t.cn/RWAEWNJ）
- IEEE Transaction on Medical Imaging (IEEE-TMI)（https://ieee-tmi.org/）
- IEEE Transaction on Biomedical Engineering (IEEE-TBME)（https://tbme.embs.org/）
- IEEE Journal of Biomedical and Health Informatics (IEEE-JBHI)（http://t.cn/RWAnkiL）
- International Journal on Computer Assisted Radiology and Surgery (IJCARS)（http://t.cn/zOTPHNL）
- International Conference on Information Processing in Medical Imaging (IPMI)
- International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)
- International Conference on Information Processing in Computer-Assisted Interventions (IPCAI)
- IEEE International Symposium on Biomedical Imaging (ISBI)
3.1，深度学习技术：
- NN: Neural Networks
- MLP: Multilayer Perceptron
- RBM: Restricted Boltzmann Machine
- SAE: Stacked Auto-Encoders
- CAE: Convolutional Auto-Encoders
- CNN: Convolutional Neural Networks
- RNN: Recurrent Neural Networks
- LSTM: Long Short Term Memory
- M-CNN: Multi-Scale/View/Stream CNN
- FCN: Fully Convolutional Networks
3.2，成像方式：
- US: Ultrasound
- MR/MRI: Magnetic Resonance Imaging
- PET: Positron Emission Tomography
- MG: Mammography
- CT: Computed Tompgraphy
- H&E: Hematoxylin & Eosin Histology Images
- RGB: Optical Images
Table of Contents
4.1，Deep Learning Techniques
- AutoEncoders/ Stacked AutoEncoders（http://t.cn/RWAuKrS）
- Convolutional Neural Networks（http://t.cn/RWAuHGU）
- Recurrent Neural Networks（http://t.cn/RWAu119）
- Generative Adversarial Networks（http://t.cn/RWA3v8q）
4.2，Medical Applications
- Annotation（http://t.cn/RWA3fHN）
- Classification（http://t.cn/RWA39G5）
- Detection/ Localization（http://t.cn/RWA3lOL）
- Segmentation（http://t.cn/RWA3RoL）
- Registration（http://t.cn/RWA3dJZ）
- Regression（http://t.cn/RWA1Ply）
- Other tasks（http://t.cn/RWA12NV）
Deep Learning Techniques
5.1，Auto-Encoders/ Stacked Auto-Encoders
5.2，Convolutional Neural Networks
- AggNet: Deep Learning From Crowds for Mitosis Detection in Breast Cancer Histology Images（http://t.cn/RWA1lmT）
- Fast Convolutional Neural Network Training Using Selective Data Sampling: Application to Hemorrhage Detection in Color Fundus Images（http://t.cn/RWA1Rma）
5.3，Recurrent Neural Networks
5.4，Generative Adversarial Networks
Medical Applications
Annotation
- Deep learning of feature representation with multiple instance learning for medical image analysis（http://t.cn/RWA1FkV）
- AggNet: Deep Learning From Crowds for Mitosis Detection in Breast Cancer Histology Images （http://t.cn/RWABUT7）
Classification
- Multi-scale Convolutional Neural Networks for Lung Nodule Classification（http://t.cn/RWADf0A）
- Predicting Alzheimer's disease: a neuroimaging study with 3D convolutional neural networks （http://t.cn/RWADSK4）
- Automatic Feature Learning to Grade Nuclear Cataracts Based on Deep Learning （http://t.cn/RWADYxw）
- Quantifying Radiographic Knee Osteoarthritis Severity using Deep Convolutional Neural Networks （http://t.cn/RWADk5G）
- A Deep Semantic Mobile Application for Thyroid Cytopathology （http://t.cn/RWAko5r）
- Alzheimer's Disease Diagnostics by a Deeply Supervised Adaptable 3D Convolutional Network （http://t.cn/RWAkcoj）
- Multi-resolution-tract CNN with hybrid pretrained and skin-lesion trained layers （http://t.cn/RWAkWVF）
- Towards Automated Melanoma Screening: Exploring Transfer Learning Schemes （http://t.cn/RWAkEnF）
- Pulmonary Nodule Detection in CT Images: False Positive Reduction Using Multi-View Convolutional Networks （http://t.cn/RWAF7qb）
- 3D Deep Learning for Multi-modal Imaging-Guided Survival Time Prediction of Brain Tumor Patients （http://t.cn/RWAkkPX）
- Computer-Aided Diagnosis with Deep Learning Architecture: Applications to Breast Lesions in US Images and Pulmonary Nodules in CT Scans （http://t.cn/RWAFyHc）
- Unsupervised deep learning applied to breast density segmentation and mammographic risk scoring （http://t.cn/RWAFILN）
- Spectral Graph Convolutions for Population-based Disease Prediction （http://t.cn/RWAFohq）
- SurvivalNet: Predicting patient survival from diffusion weighted magnetic resonance images using cascaded fully convolutional and 3D convolutional neural networks （http://t.cn/RWAFYuV）
Detection / Localization
- 3D Deep Learning for Efficient and Robust Landmark Detection in Volumetric Data （http://t.cn/RWAstTB）
- Standard Plane Localization in Fetal Ultrasound via Domain Transferred Deep Neural Networks （http://t.cn/RWAs6xr）
- Automated anatomical landmark detection ondistal femur surface using convolutional neural network （http://t.cn/RWAsYbY）
- Automatic Fetal Ultrasound Standard Plane Detection Using Knowledge Transferred Recurrent Neural Networks （http://t.cn/RWAsn1T）
- Regressing Heatmaps for Multiple Landmark Localization using CNNs （http://t.cn/RW2vv2L）
- An artificial agent for anatomical landmark detection in medical images （http://t.cn/RW2vy2P）
- Real-time Standard Scan Plane Detection and Localisation in Fetal Ultrasound using Fully Convolutional Neural Networks （http://t.cn/RW2vft1）
- Recognizing end-diastole and end-systole frames via deep temporal regression network （http://t.cn/RW2vrQW）
- Improving Computer-Aided Detection Using Convolutional Neural Networks and Random View Aggregation Neural Networks （http://t.cn/RW2vrQW）
- Automated detection of pulmonary nodules in PET/CT images: Ensemble false-positive reduction using a convolutional neural network technique Neural Networks （http://t.cn/RW2hTcw）
- Automatic Detection of Cerebral Microbleeds From MR Images via 3D Convolutional Neural Networks （http://t.cn/RW2Pu8C）
- Self-Transfer Learning for Fully Weakly Supervised Lesion Localization （http://t.cn/RW27xd4）
- Fast Convolutional Neural Network Training Using Selective Data Sampling: Application to Hemorrhage Detection in Color Fundus Images （http://t.cn/RWA1Rma）
Segmentation
- Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation （http://t.cn/RW27lTz）
- Automatic Liver and Lesion Segmentation in CT Using Cascaded Fully Convolutional Neural Networks and 3D Conditional Random Fields （http://t.cn/RW27n2Y）
- Automatic Liver and Tumor Segmentation of CT and MRI Volumes using Cascaded Fully Convolutional Neural Networks （http://t.cn/RibGTxx）
- SurvivalNet: Predicting patient survival from diffusion weighted magnetic resonance images using cascaded fully convolutional and 3D convolutional neural networks （http://t.cn/RWAFYuV）
- q-Space Deep Learning: Twelve-Fold Shorter and Model-Free Diffusion MRI （http://t.cn/RW2zfRN）(Section II.B.2)
Registration
- An Artificial Agent for Robust Image Registration （http://t.cn/RW2zWw4）
Regression
- Automated anatomical landmark detection ondistal femur surface using convolutional neural network （http://t.cn/RWAsYbY）
- q-Space Deep Learning: Twelve-Fold Shorter and Model-Free Diffusion MRI （http://t.cn/RW2zfRN）(Section II.B.1）
二、CV数据
一些常用的图像数据库总结
https://blog.csdn.net/JIEJINQUANIL/article/details/50341765
三、乳腺：MIAS MiniMammographic Database
MIAS MiniMammographic Database(来自researchgate的一个问答)：322例，尺寸：1024*1024pixel，8位，图像数据是PGM格式
数据库（点击即下载）：http://peipa.essex.ac.uk/pix/mias/all-mias.tar.gz
这也是一个乳腺的图像数据库，但是现在还没有搞清楚下载、格式之类的：https://www.repository.cam.ac.uk/handle/1810/250394?show=full
1、PGM图片格式和代码
PGM是Portable Gray Map的缩写，它是灰度图像格式中一种最简单的格式标准。另外两种与之相近的图片格式是PBM和PPM，它们分别对应着黑白图像和彩色图像。PGM的数据存放方式相比于JPG来说是非常简单的，因为它不进行数据压缩，自然的PGM的图片的大小也就比较大了。一个120*128 8-bit的灰度图像，PGM的大小是44kb，而将这个图片转化为JPG格式后，大小仅为4kb。所以，在日常各种网络应用中你是很难见到PGM图片的，它太浪费流量了。
深度学习：综述：医疗影像数据+CV数据集相关推荐
- 论文阅读_深度学习的医疗异常检测综述
英文题目:Deep Learning for Medical Anomaly Detection - A Survey 中文题目:深度学习的医疗异常检测综述 论文地址:https://arxiv.or ...
- 边缘计算与深度学习综述
边缘计算与深度学习综述 摘要 背景,度量与框架 深度学习的背景 深度学习性能的度量 DNN推理和训练的可用框架 深度学习在边缘侧的应用 计算机视觉 自然语言处理 网络功能 IOT 虚拟现实和增强现实( ...
- 深度学习与计算机视觉（CV）介绍
深度学习与计算机视觉(CV)介绍 深度学习 学习⽬标 知道什么是深度学习 知道深度学习的应⽤场景 什么是深度学习 在介绍深度学习之前,我们先看下⼈⼯智能,机器学习和深度学习之间的关系: 机器学习是实现 ...
- 1-1 机器学习和深度学习综述-paddle
课程>我的课程>百度架构师手把手教深度学习>1-1 机器学习和深度学习综述> 1-1 机器学习和深度学习综述 paddle初级课程 王然(学生) Notebook 教育 初级深 ...
- 《Nature》纪念人工智能60周年专题：深度学习综述
来源:网络大数据 摘要:本文是<Nature>杂志为纪念人工智能60周年而专门推出的深度学习综述,也是Hinton.LeCun和Bengio三位大神首次合写同一篇文章. 本文是<Na ...
- 深度学习综述：Hinton、Yann LeCun和Bengio经典重读
来源:人工智能头条 翻译 | kevin,刘志远 审校 | 李成华 深度学习三巨头Geoffrey Hinton.Yann LeCun和Yoshua Bengio对AI领域的贡献无人不知.无人不晓.本 ...
- 【AI杂谈】从一篇参考文献比正文还长的文章，杂谈深度学习综述
欢迎来到专栏<AI杂谈>,顾名思义就是说一些比较杂的有意思的东西了,任何东西都有可能. 今天首先介绍一篇文章,2014年的一篇深度学习综述,<Deep learning in Neu ...
- 重磅 | Hinton、LeCun、Bengio联合署名深度学习综述，《Nature》纪念人工智能60周年专题...
来源:深度学习世界 本文共10000字,建议阅读10+分钟. 本文深入浅出介绍深度学习的基本原理和核心优势,详解CNN.分布式特征表示.RNN及其不同的应用,并对深度学习技术的未来发展进行展望. 本文 ...
- 深度学习7日入门-CV疫情特辑心得
深度学习7日入门-CV疫情特辑心得 学习后感觉的整体感觉:内容安排非常紧凑, 课件内容很准确,作业有针对性,比赛题目比较难. 下面从内容上的回顾一下课程内容: 首先,小白需要自学预习课(不过这部分内容 ...
最新文章
- android视频录制(调用系统视频录制)
- 堆积密度怎么做_长尾关键词怎么优化？这样布局关键词排名效率高
- javascript学习笔记(十五) 间歇调用和超时调用
- 临时限速服务器系统ppt,临时限速系统讲解.pptx
- 常用的物理引擎，图形引擎
- 在Linux中创建静态库和动态库范例 (hello.c)
- 使用正则test方法遇到的问题
- 计算机专业研究生平均月薪,广东：计算机专业研究生月薪过万 本科生学针灸推拿工资最高...
- mysql的exception_mysqlexception
- AndroidStudio：The number of method references in a .dex file cannot exceed 64K错误
- 庆祝livid公布Bible的源代码，鼓掌～～
- 【实用】关于Ubuntu下的对拍程序
- 智能网联汽车信息安全研究报告
- 秀米图文排版UEditor插件示例 新增自定义按钮没有显示 以及与neditor的适配
- 电气器件系列二十一：变压器
- 2022-2028全球与中国员工时间管理系统市场现状及未来发展趋势
- Java爬虫——人人网模拟登录
- git push提示dst refspec XXX matches more than one
- 四. 常用EMC防护器件选型学习笔记
- 6. Jetpack---Paging你知道怎样上拉加载吗？