Pulmonary--Detection6
一.NoduleNet: Decoupled False Positive Reduction for Pulmonary Nodule Detection and Segmentation(2019)
摘要:
本文提出了一种新的端到端的3D 深度卷积神经网络(DCNN),名为NoudleNet,是为了解决结节检测,假阳性降低和结节分割的多联合任务。为了避免不同任务之间的冲突和促进特征的提取,主要采用了两个设计技巧:1.分解特征图以进行结节检测和假阳性降低;2.分段细分子网,以提高结节分割的精度
贡献:
1.提出了一个联合的模型来进行结节的检测,假阳性降低和结节分割在同一个框架之内,端到端的进行多任务训练。
2.验证了模型的有效性,相比于只进行结节检测模型,我们的精度提高了10.27%,在DSC上实现了最新的结节分割精度。
3.进行了系统的消融性研究。
方法:
结果:
二.Multi-scale Convolutional Neural Networks for Lung Nodule Classification(2015)
摘要:
本文提出了一种分层学习框架–多尺度卷积神经网络(MCNN),通过从交替堆叠的层中提取判别特征来获取结节的异质性。为了充分量化结节特征,我们的框架利用多尺度结节patch,通过串联从每个输入尺度在最后一层获得的响应神经元激活,来同时学习一组特定类别的特征。实验结果证明了我们的方法在不进行结节分割的情况下对恶性和良性结节进行分类的有效性。
介绍:
与目前主要依靠结节分割和纹理特征描述符进行分类的方法相反,我们提出了一种分层学习框架,通过利用卷积神经网络(CNN)提取特征来捕获结节异质性(如图1所示)。 可以将学习到的功能与最新的分类器(例如,支持向量机(SVM)和随机森林(RF))相结合,以进行相关的计算机辅助诊断(CAD)。
贡献:
1.我们的MCNN采用多尺度原始结节,而不是分段区域,从而提供证据表明从原始结节获得的信息对于肺结节的诊断非常有价值。
2.我们的MCNN消除了任何手工特征工程工作的需要,例如结核纹理,形状紧密度和结核球形度。 MCNN可以自动学习区别特征。
3.尽管直接在结节CT中处理噪声数据具有挑战性,但我们表明,即使是高级别的噪声破坏,所提出的MCNN模型也能有效地捕获结节诊断分类中的结节特征。
方法:
1.卷积神经网络框架
2.多尺度结节表示
结果:
**总结:**今天的两篇paper中,一篇是关于结节的检测的,一篇是关于结节的分类的,在结节检测model中,将结节检测和假阳性降低整合在同一个网络,而在分类model中指针对已经检测出的结节,所以给了我们很好的思路,我们可以想出一种方法,将检测和分类整合在同一个网络模型中,真正做到端到端的检测和分类。
Pulmonary--Detection6相关推荐
- Automated pulmonary nodule detection in CT images using deep convolutional neural networks
参考论文:<Automated pulmonary nodule detection in CT images using deep convolutional neural networks& ...
- Pulmonary -- Detection1
一. Automated Pulmonary Nodule Detection via 3D ConvNets with Online Sample Filtering and Hybrid-Loss ...
- Pulmonary nodule detection in CT scans with equivariant CNNs
Pulmonary nodule detection in CT scans with equivariant CNNs 1. G-CNN 2. G-CNN implementation: 参考论文: ...
- 读:Multi-scale pulmonary nodule classification with deep feature fusion via residual network
文章目录 前言 一.任务 二.数据集 三.idea 四.网络结构 1.多卷积过程 2.残差块结构 3.特征融合 实验 总结 前言 记录5.11读的这篇论文 之后尽量每次读论文都做一个简单的小结,每次看 ...
- 论文阅读:Automatic segmentation of pulmonary lobes using a progressive dense V-network
Automatic segmentation of pulmonary lobes using a progressive dense V-network 使用渐进密集 V 网络自动分割肺叶 2018 ...
- Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis from Lung CT Scans with MSGDA
语义分割论文 Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis from Lung CT Scans with ...
- 《DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification》网络模型解读
一.项目背景介绍 3D肺结节的检测和分类在医学领域是一个热门的研究方向,本文就这个问题选取一篇经典的论文进行解读. 下面附上论文下载链接及项目github网址: Deep 3D Dual Path N ...
- Prediction of Multidrug-Resistant TB from CT Pulmonary Images Based on Deep Learning Techniques论文总结
Prediction of Multidrug-Resistant TB from CT Pulmonary Images Based on Deep Learning Techniques 解决的问 ...
- A Generalized Deep Learning Approach for Evaluating Secondary Pulmonary Tuberculosis...论文总结
A Generalized Deep Learning Approach for Evaluating Secondary Pulmonary Tuberculosis on Chest Comput ...
- 《Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network》阅读笔记(二)
<Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network>阅读笔记–翻译 ...
最新文章
- mysql innodb 索引结构_Mysql 学习笔记:InnoDB 索引结构浅析
- 二.第五单元 lvm管理
- linux常用基础命令操作收集
- 1388C. Uncle Bogdan and Country Happiness
- 016 pickle
- HTML+CSS+JS实现 ❤️爱心文字3D旋转动画特效❤️
- JQuery data API实现代码分析
- UNREAL ENGINE 4.13 正式发布!
- 值得关注!2021音视频人才成长路线图发布了
- ubuntu linux配置bond 网卡绑定 多个bond配置多网关
- 写论文时introduction and realted works部分如何写别人的工作,论文写作常用词
- 10清理roaming文件夹_Win10系统的C盘哪些文件可以删除?C盘文件夹功能介绍
- c语言饭卡管理系统_C语言饭卡管理系统毕业设计(含毕业论文、程序源码)论文字数:15422字 C0004-C语言毕业设计下载-华软网...
- jaxen.jar下载地址
- ubuntu 下星际译王词典下载地址
- java qq协议 php_Java基于JavaMail实现向QQ邮箱发送邮件
- python如何期货交易_Python期货量化交易实战
- UG/NX二次开发 单位化向量 UF_VEC3_unitize
- Arale Base源码分析(含Attribute)
- Ant Mobile使用整理