轻量级的肝脏与肝肿瘤 2.5D 分割网络阅读笔记

2024-05-09 12:52:07

文章目录

1 前言
2 方法概述
- 2.1 InceptionV1-V3 and convolution conversion
- 2.2 Residual block
- 2.3 2.5D 网络
3 RIU-Net 的整体结构
4 实验和可视化
5 总结

1 前言

最近一直在读医学图像的论文，于是我打算写一个系列的阅读笔记，语言比较精简。在上一篇阅读笔记（https://zhuanlan.zhihu.com/p/505483978）中，分析了医学图像分割的混合 Transformer 网络：UTNet，在这一篇笔记中介绍的网络与 UTNet 思路完全不同，追求的是比 U 型网络更轻量级，但准确率更高的设计。还是先给下论文地址（刚刚接收）： https://www.sciencedirect.com/science/article/abs/pii/S1746809422000891 。

首先分析下这篇论文的动机，对于 LITS17 和 3DIRCADb 这类肝脏与肝肿瘤数据集，3D 卷积网络具有学习上下文特征的能力，有效利用 CT 图像的空间信息，但是训练和部署也会消耗大量计算资源。所以，既能利用切片间的空间信息，并且保证分割精准度，就是论文需要解决的问题。本篇阅读笔记首先对论文中涉及的方法进行概述；再详细介绍论文提出的 RIU-Net 结构；最后分析了实验和分割可视化部分，并简单的总结。

2 方法概述

这一部分作为前置依赖，类似于 Related Work，对涉及网络结构熟

轻量级的肝脏与肝肿瘤 2.5D 分割网络阅读笔记相关推荐

轻量级肝脏与肝脏瘤2.5D分割网络阅读笔记
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨李响来源丨GiantPandaCV 文章目录 1 前言 2 方法概述 2.1 Inceptio ...
unet是残差网络吗_基于深度监督残差网络的肝脏及肝肿瘤分割
摘要: 针对医生手动对肝脏肿瘤CT图像分割耗时,耗力,且易受主观判断影响的问题,该研究提出一种深度监督残差网络(Deeply Supervised Residual Unet,DS-ResUnet)算 ...
FDDWNET:模型参数仅为0.8M，速度和准确率综合性能在轻量级分割网络中达到SOTA
作者:Tom Hardy Date:2020-02-04 来源:FDDWNET:模型参数仅为0.8M,速度和准确率综合性能在轻量级分割网络中达到SOTA
基于深度学习的腹部CT的肝脏肿瘤分割的项目笔记
一.前言: 1 这个肝脏肿瘤分割项目是我们大二下学期(2020年1月开始)申请的一个大创项目. 此前我有参与过一个关于深度学习的项目(基于深度学习的视频识别),但在这个项目中我算是摸摸鱼的角色,but ...
UNet-肝脏肿瘤图像语义分割
目录一. 语义分割二. 数据集三. 数据增强图像数据处理步骤 CT图像增强方法 :windowing方法直方图均衡化获取掩膜图像深度在肿瘤CT图中提取肿瘤保存肿瘤数据四. 数据加载 ...
VarGFaceNet：地平线提出轻量级、有效可变组卷积的人脸识别网络
作者 | Mengjia Yan.Mengao Zhao.Zining Xu.Qian Zhang.Guoli Wang.Zhizhong Su 译者 | 刘畅编辑 | Jane 出品 | AI科技 ...
轻量级高精度分割网络推荐
AttaNet 语义分割,attanet,AAAI2021 Code:GitHub - songqi-github/AttaNet: AttaNet for real-time semantic se ...
地平线开源轻量级、有效可变组卷积的人脸识别网络VarGFaceNet
点击我爱计算机视觉标星,更快获取CVML新技术作者 | Mengjia Yan.Mengao Zhao.Zining Xu.Qian Zhang.Guoli Wang.Zhizhong Su 译者 ...
轻量级图像分类模型-MobileNetV3阅读笔记
文章目录前言摘要(Abstract) 1. 介绍(Introduction) 2. 相关工作(Related Work) 3. 高效的移动构造模块(Efficient Mobile Buildin ...

最新文章

热门文章