Feven_H的博客

Attention U-Net: Learning Where to Look for the Pancreas阅读日期：2020年11月25日Abstract我们提出新型注意力门控（attention gate, AG）模型用于医学成像，它可以自动学习并关注不同形状和大小的目标结构。使用AGs训练的模型能隐式学习抑制输入图像中不相关的区域，同时强调对特定任务有用的显著特征。这使得我们无需使用级联级联卷积神经网络来定位外部组织/器官。AGs能容易集成到标准CNN架构，例如U-Net，并且计算开销

VISoR-40 dataset网址：https://braindata.bitahub.com/Neuronal_population_reconstruction.html下载地址：202.38.95.226:10049，username is AI，no password，文件名称为：VISoR-40_dataset.zip描述：VISoR-40数据集包括从小鼠大脑捕获的40个体积图像。全脑图像由VISoR成像系统捕获，物理分辨率为每个体素0.5×0.5×0.5um30.5 \tim

BiO-Net: Learning Recurrent Bi-directional Connections for Encoder-Decoder ArchitectureMICCAI：Medical Image Computing and Computer Assisted Intervention SocietyAbstractU-Net是深度学习解决计算机视觉任务的基本方法，可以解决例如语义分割、超分辨率、图像去噪、图像复原之类的任务。之前对于U-Net的改进主要是修改原有的模块或者是使用

Microscopy Cell Segmentation Via Convolutional LSTM NetworksISBI2019：IEEE International Symposium on Biomedical Imaging（IEEE生物医学图像国际研讨会）Abstract活细胞显微镜序列图像存在复杂的空间结构和复杂的时间行为，使得分析这类图像具有很大的挑战。在分析中，细胞分割是一个重要的问题，能使用卷积神经网络（CNNs）来捕获数据的空间属性。最近的卷积编码器-译码器像是U-Net

知乎“没有老师的指导，研究生如何阅读文、提出创见、写论文？” https://www.zhihu.com/question/23647187"怎样写好英文论文的Introduction部分？”"https://www.zhihu.com/question/49355121/answer/322451208“对于读文献，你有哪些愿意分享的技巧？”https://www.zhihu...