- 博客(5)
- 收藏
- 关注
RSS订阅原创 Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling
全自动伪标签生成传统问题：CXR手动标注耗时、易出错（解剖结构重叠）。本文方案：利用3D CT数据自动生成2D伪标签，完全无需人工标注。创新价值：首次构建大规模CXR精细解剖数据集（PAX-Ray++，157类，14,754张图像）。跨模态投影技术优化传统问题：CT与CXR成像差异大，直接投影导致标签失真。本文方案：改进Matsubara方法，结合骨骼增强+直方图均衡化，生成更接近真实CXR的投影图像。创新价值：减少模态差异，提升标签与真实CXR的视觉一致性。多源数据融合与解剖学规则嵌入传统问题：单一CT数
2025-05-20 14:55:48
1231
原创 GitHub项目ChestXRayAnatomySegmentation代码概览二
_init__.py：导入CXAS类，使其可以直接通过包名访问。file_io.py：提供了一个完整的文件输入和输出工具集，用于加载和保存图像、DICOM 文件以及预测结果。它支持多种文件格式（如 JPG、PNG、NumPy、JSON 和 DICOM SEG），并提供了灵活的保存选项，使得该工具可以应用于不同的场景，例如医学图像分割、目标检测等。helper.py：是一个包含多个辅助函数的 Python 文件，主要用于处理与设备管理和字符串匹配相关的任务。
2025-05-19 15:13:21
652
原创 GitHub项目ChestXRayAnatomySegmentation代码概览
总结一下 `cxas/extraction` 文件夹中所有代码的功能和相互关系。这些代码共同构成了一个用于胸部X光图像（CXR）解剖结构分割和特征提取的工具集。代码功能概述功能：计算每个椎骨质心到回归中心线的距离（Spine-Center Distance, SCD）。输入：mask：分割掩码，形状为 `[n_classes, width, height]`。img：原始图像，用于可视化。draw：布尔值，决定是否绘制可视化结果。输出：score：SCD 的平均值。
2025-05-17 17:46:13
700
1
原创 《宫缩期耻骨联合和胎儿头部超声图像分割，采用 CNN-ViT 协同学习双学生-教师框架》论文解读
（3）通过严格的定量分析，我们证实我们的 DSTCT 框架在准确分割产程超声图像中的耻骨联合和胎儿头部（PSFH）方面优于十种现有的半监督技术。这涉及到使用数据和模型扰动（目的是为了增强本学习方法的一般化能力）来使双学生网络的预测图与教师模型的预测图对齐，从而增强整体模型泛化。双学生模型由 CNN 模型 UNet（即学生 1）和 Transformer 模型 Swin-UNet（SUNet，即学生 2）组成，教师模型使用相同的 Transformer 模型 SUNet。
2025-02-28 14:22:50
1557
原创 在CIFAR-10 数据集上实现VIT架构
transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1), # 添加颜色抖动。train_dataloader = DataLoader(train_dataset, batch_size=64, shuffle=True) # 增加批次大小。optimizer = AdamW(model.parameters(), lr=0.0001) # 使用较小的学习率。dim=128, # 减小嵌入维度。
2024-10-30 09:44:31
1570
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人