医学图像3D目标检测

论文:3D Bounding Box Detection in Volumetric Medical Image Data: A Systematic Literature Review

这篇论文综述了近五年在三维医学数据中进行3D Bouding Box Detection的方法。

1、论文背景
VOI的提取是重要的预处理步骤,例如在组织中对恶性肿瘤进行分割或分类的任务中那个,通常需要先对相应的组织进行定位。尤其是较小器官的语义分割会受益于预先定位。

3D医学图像主要来源于CT,MRI,PET,US,HFU等成像设备。

两种3D Bounding Box的表示方式:

  • 中心点坐标+长宽高
  • 位于对角的两点坐标


3D检测使用3D图像作为输入来检测3D BBOX(Bouding Box,下同),3D CNN使用3D而不是2D的卷积核,在三个轴进行卷积,可以捕获切片之间的文本信息。3D的方法通常可以获得更好的结果,但需要消耗大量的计算资源,并且,3D训练数据通常比同等程度下的2D数据更难获取。

使用2D CNN来获取3D BBOX的流程:

使用3次单个的2D CNN,或者在三个截面上使用独立的三个CNN。然后将2D模型处理后的结果进行融合。


通过多数投票的方式来确定3D BBOX

2D相较于3D方法的优势:

1.较低的计算开销

2.较大量的训练数据(可以将3D数据切成大量Slices)

劣势在于:

1.文本信息(空间上下文信息)通常被丢失

2.检测结果的Slices需要被集成来获取一个3D BBOX,可能存在空间不连续性的问题

目前的方法主要分为以下几种:

  1. 基于切片的Box Detection
  2. 粗分割/概率图方法
  3. 深度强化学习
  4. 基于Anchor的方法
  5. 其他方法(如3D Sliding Window)
    结果的评价通常基于以下参数:IoU,Dice,AP.WD.

参考:综述文章:医学图像中的3D 目标检测

医学图像3D目标检测相关推荐

  1. CVPR2020论文介绍: 3D 目标检测高效算法

    CVPR2020论文介绍: 3D 目标检测高效算法 CVPR 2020: Structure Aware Single-Stage 3D Object Detection from Point Clo ...

  2. CVPR2019:无人驾驶3D目标检测论文点评

    CVPR2019:无人驾驶3D目标检测论文点评 重读CVPR2019的文章,现在对以下文章进行点评. Stereo R-CNN based 3D Object Detection for Autono ...

  3. 3D目标检测论文阅读多角度解析

    3D目标检测论文阅读多角度解析 一.前言 CNN(convolutional neural network)在目标检测中大放异彩,R-CNN系列,YOLO,SSD各类优秀的方法层出不穷在2D图像的目标 ...

  4. 3D目标检测论文阅读摘要

    3D目标检测论文阅读摘要 2D Object Detection 的研究已经非常成熟了,代表作品有RPN系列的FasterRCNN,One Shot系列的YOLOv1-YOLOv3,这里推荐一个2D ...

  5. 【lidar】基于YOLO的3D目标检测(激光雷达点云)课程设计

    基于YOLO的3D目标检测(激光雷达点云)课程设计 代码+数据集下载地址:下载地址

  6. 3D目标检测深度学习方法数据预处理综述

    作者 | 蒋天元 来源 | 3D视觉工坊(ID: QYong_2014) 这一篇的内容主要要讲一点在深度学习的3D目标检测网络中,我们都采用了哪些数据预处理的方法,主要讲两个方面的知识,第一个是rep ...

  7. 综述:基于点云的自动驾驶3D目标检测和分类方法

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 参考论文:Point-Cloud based 3D Object ...

  8. 端到端伪激光图像3D目标检测

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文由博主:流浪机器人 授权转载,二次转载请联系原作者 原文地址: ...

  9. DisARM:用于3D目标检测的位移感知关联模块(CVPR2022)

    作者丨花椒壳壳@知乎 来源丨https://zhuanlan.zhihu.com/p/490441536 编辑丨3D视觉工坊 论文标题:DisARM: Displacement Aware Relat ...

  10. CVPR 2022 | 华南理工提出VISTA:双跨视角空间注意力机制实现3D目标检测SOTA,即插即用...

    来源:机器之心 本文提出了 VISTA,一种新颖的即插即用多视角融合策略,用于准确的 3D 对象检测.为了使 VISTA 能够关注特定目标而不是一般点,研究者提出限制学习的注意力权重的方差.将分类和回 ...

最新文章

  1. cocos2d-js 中的Chipmunk矢量:cp.Vect
  2. uni 根目录路径_如何解决uniapp图片路径错误问题
  3. Python with语句
  4. 渗透知识-脚本木马的制作原理
  5. 数字电路技术基础(六)
  6. nagios 监控配置介绍(二)
  7. spring mvc ajax 400解决
  8. “华为云-东吴杯”圆满成功,顶尖参赛者推动“智造”场景结构升级
  9. Effective Go中文版(更新中)
  10. pytest系列——参数化的使用
  11. cisco思科交换机的密码恢复
  12. 2022年保健品行业研究报告
  13. citrix vdi 服务器性能要求,如何评估VDI存储要求
  14. 安装mysql数据库
  15. 证明“我是我”是一个怎样的过程?
  16. mac下快速安装php的各个版本
  17. 架设局域网升级服务器 用WSUS打补丁
  18. TCP/IP, WebSocket 和 MQTT
  19. 电路中滤波电容和退耦电容_怎么分清滤波电容、去耦电容、旁路电容
  20. 产品管理——怎样做产品规划

热门文章

  1. 一行代码安装ROS/ROS2、解决rosdep问题、配置好环境
  2. 计算机科任学 排名,2018软科中国最好学科排名正式发布
  3. psd 解析 java_PSD解析工具实现(一)
  4. c语言编程中crol,单片机C语言“_crol_” 与“_cror_”的用法
  5. 旅行商问题的离散布谷鸟搜索算法
  6. 美元MogaFX指数介绍(二)
  7. ASU计算机科学专业大学排名,2013美国大学排名_计算机科学专业研究生排名
  8. matplotlib画箱线图,添加非参数检验-秩和检验的结果
  9. 【unity发布webgl】遇到的问题和解决办法
  10. 解决UmengSDK社会化分享过程中微信,QQ,新浪微博分享不成功的问题