粗读Image Projection Network: 3D to 2D Image Segmentation in OCTA Images
一个专门针对3D的OCTA图像的分割方法。OCTA详细介绍见左边链接，大致结构如下。整个扫描得到的结果是3D的，其中白色突起是血管，分割任务主要是筛选出中间深黑色部分（整个眼底因为是弧形，所以用立方体截取后有四个翘起来的角，连接上下两个角，连线中间偏下一点有一小块黑色区域颜色更深，那就是分割目标），即没有血管的部分。
在OCTA图像中，这块区域有个特点，就是竖直一致性，即没血管的这一块区域是在整个Z轴上都没血管。基于这一点，作者提出可以想办法竖直压缩整个图像，将3D图像中丰富的信息压缩到2D图像上。
上图便是网络的架构。原始图像为400*400*640，压缩后得到400*400的单通道图像，直接作为分割结果。整个网络架构就是执行了5次PLM模块，而PLM又是由三个3维卷积层和一个作者提出的单向池化（Unidirectional Pooling）组成的。
其实从结构那张图（图二）就可看出单向池化的原理，但还是贴上作者画的对比图更直观。左边的为传统的最大池化，就是找出一个区域的最大值。此时，这6*6个像素点一般为分布在xoy平面上。而右边的为本文方法，只关注一定范围内z轴上的局部最大值，作为压缩后的值。这样一来，图像X和Y轴方向上的大小不变，只有Z轴方向上变矮，达到了压缩的效果。
最后结果也显示，这种方法效果不错。但碍于这种方法利用了竖直一致性，所以能直接适用的3D场景有限。
粗读Image Projection Network: 3D to 2D Image Segmentation in OCTA Images相关推荐
- Image Projection Network: 3D to 2D ImageSegmentation in OCTA Images 论文阅读笔记
代码链接:https://github.com/chaosallen/IPN_tensorflow 目录: 摘要 网络结构 相关实验 总结 一.摘要 我们提出了一种图像投影网络(IPN),这是一种新颖 ...
- 【U-Net】【粗读】U-Net: Convolutional Networks for Biomedical Image Segmentation
U-Net: Convolutional Networks for Biomedical Image Segmentation Introduction Network Architecture Tr ...
- 【论文粗读】Pick-and-Learn: Automatic Quality Evaluationfor Noisy-Labeled Image Segmentation
MICCAI2019 :Pick-and-Learn: Automatic Quality Evaluation for Noisy-Labeled Image Segmentation MICCAI ...
- 车辆2D/3D--Deep MANTA: A Coarse-to-fine Many-Task Network for joint 2D and 3D vehicle analysis
Deep MANTA: A Coarse-to-fine Many-Task Network for joint 2D and 3D vehicle analysis from monocular i ...
- 粗读《Python 深度学习》（7）
粗读<Python 深度学习>(7) 第八章 生成式深度学习 8.1 使用 LSTM 生成文本 8.1.1 生成式循环网络简史(略) 8.1.2 如何生成序列数据 8.1.3 采样策略的重 ...
- 【论文】医学影像 | Elastic Boundary Projection for 3D Medical Image Segmentation 论文汇报 (CVPR 2019)
医学影像 | Elastic Boundary Projection for 3D Medical Image Segmentation 论文汇报 (CVPR 2019) 原创 联系邮箱:xiangc ...
- 粗读《Python 深度学习》（4）
粗读<Python 深度学习>(4) 第五章 深度学习用于计算机视觉 5.1 卷积神经网络简介 5.1.1 卷积运算 5.1.2 最大池化运算 5.2 在小型数据集上从头开始训练一个卷积神 ...
- 粗读使用“九章”光量子计算优势
粗读使用"九章"光量子计算优势 参考原文:Quantum computational advantage using photons Han-Sen Zhong1,2*, Hui ...
- SGPN: Similarity Group Proposal Network for 3D Point Cloud Instance Segmentation
摘要 我们介绍了相似性组提议网络(SGPN),这是一种用于点云上3D对象实例细分的简单直观的深度学习框架. SGPN使用单个网络来预测点分组建议和每个建议的对应语义类,我们可以从中直接提取实例分割结 ...
最新文章
- ZooKeeper的基本原理
- python construct_Python construct包_程序模块 - PyPI - Python中文网
- 树莓派3风扇安装方法
- Pytorch 网络模型的保存与读取
- arrayfunction[LeetCode]Convert Sorted Array to Binary Search Tree
- 33行代码AC——例题6-5 移动盒子(Boxes in a Line, UVa 12657)——解题报告
- 移动app测试之怎么避免bug漏测
- C# RSACryptoServiceProvider加密解密签名验签和DESCryptoServic
- 为什么使用接口编程{转载}
- 职场80后新人修炼五诀
- 【Python】AttributeError: 'Series' object has no attribute 'order'
- VC CUtilityLZW 效率还行的LZW压缩算法，随机数加密
- MATLAB 读取表格 | readmatrix函数
- JS实现页面字体繁简转换
- EXCEL 批量插入指标批注
- 一款轻量的支付宝支付组件
- Rect.OverLaps() 改进
- 教你如何做一个三角形
- AnySDK+GooglePlay对接1
- AMD将推出7纳米GPU Vega，专为深度学习和机器学习打造