TMI 2024 | 通过层次图金字塔Transformer开发几何特征用于组织病理图像的癌症诊断

最新推荐文章于 2025-08-07 22:41:47 发布
最新推荐文章于 2025-08-07 22:41:47 发布
阅读量22 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 医学图像处理论文解读 文章标签： transformer 深度学习 人工智能 TMI 医学图像处理 论文解读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42722197/article/details/145404005

论文信息

题目：Exploiting Geometric Features via Hierarchical Graph Pyramid Transformer for Cancer Diagnosis Using Histopathological Images
通过层次图金字塔Transformer开发几何特征用于组织病理图像的癌症诊断
作者：Mingxin Liu, Yunzan Liu , Pengbo Xu ,Hui Cui, Jing Ke , and Jiquan Ma
源码链接：https://github.com/lmxmercy/HGPT

论文创新点

    1. 几何特征的利用：针对现有深度学习方法在病理图像分类中未能充分利用几何特征的问题，HGPT通过有效地利用组织分布的几何表示来指导病理图像分类，这是之前最先进方法所忽略的。
      2. <
了解本专栏 订阅专栏 解锁全文
TMI 2024 | PolarFormer: 一种基于Transformer的血管内OCT多病变分割方法
小白学视觉
05-23 57
尽管已有多种基于深度学习的方法被提出用于从血管内光学相干断层扫描（OCT）图像中提取单一类别的易损斑块，但由于缺乏公开的大规模多类别易损斑块标注的血管内OCT数据集，进一步的研究受到了限制。此外，由于斑块的不规则分布、独特的几何形状和模糊的边界，多类别易损斑块分割极具挑战性。现有方法未能充分解决易损斑块的几何特征和空间先验信息。为了解决这些问题，我们收集了一个包含70个回拉数据的数据集，并开发了一个名为PolarFormer的多类别易损斑块分割模型，该模型结合了易损斑块在空间分布上的先验知识。
TMI‘24 | PolarFormer：基于 Transformer 的血管内 OCT 多病变分割方法
小白学视觉
06-27 30
基于深度学习的方法已被提出用于从血管内光学相干断层扫描（OCT）图像中提取单一类别的易损斑块。然而，由于缺乏大规模公开的多类别易损斑块注释的血管内 OCT 数据集，进一步的研究受到限制。此外，由于斑块的不规则分布、独特的几何形状和模糊的边界，多类别易损斑块分割极具挑战性。现有方法未能充分考虑易损斑块的几何特征和空间先验信息。为解决这些问题，我们收集了一个包含 70 个回撤数据的数据集，并开发了一个多类别易损斑块分割模型，称为 PolarFormer，该模型结合了易损斑块在空间分布上的先验知识。
医图顶刊 TMI‘24 | 通过层次图金字塔Transformer开发几何特征，用于组织病理图像的癌症诊断
m0_59164520的博客
11-29 916
癌症在全球范围内被广泛认为是导致死亡的主要原因，病理分析在实现准确的癌症诊断中扮演着关键角色。在组织病理图像中特征的复杂表示包含了对疾病诊断至关重要的丰富信息，涉及细胞外观、肿瘤微环境和几何特征。然而，由于缺乏能够同时捕获细胞分布和聚集模式的有效描述符，这些通常作为有力指标的信息，最近的深度学习方法并没有充分利用几何特征进行病理图像分类。在本文中，受临床实践的启发，我们提出了一种层次化图金字塔变换器（HGPT），以通过有效利用组织分布的几何表示来指导病理图像分类，这是现有最先进方法所忽略的。
医图顶刊 TMI'24 | 通过层次图金字塔Transformer开发几何特征，用于组织病理图像的癌症诊断...
小白学视觉
12-02 148
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达论文信息题目：Exploiting Geometric Features via Hierarchical Graph Pyramid Transformer for Cancer Diagnosis Using Histopathological Images通过层次图金字塔Transformer开发几何特征用于组织病理图像的...
医学影像顶刊TMI速递|2024年01月(下)
winkingzzx的博客
03-24 2298
医学影像顶刊TMI/MIA速递专栏旨在为读者提供最新的前沿研究，以便于快速了解和泛读。 ● TMI：IEEE Transactions on Medical Imaging. ● IF/JCR/分区：10.6/Q1/中科院一区 ● 本月共计47篇；分上中下期。本期共计16篇。 ● 关注公众号，回复【TMI-202401】获取本月论文。 ● 速递内容：文章标题（英文标题、中文标题、关键词标签）；研究背景（问题背景、过去方法、研究动机）；研究方法（理论背景、技术路线）；研究结论（实验设置、实验结果、工作局限）。
IEEE Transactions on Medical Imaging(TMI)论文推荐：2024年01月(2)
清风等雨的博客
03-19 2225
TMI论文推荐
CS231n2017 Assignment3 RNN、LSTM部分
Se_ren_di_pity的博客
08-07 570
rnn的一个时间步内的前向传播，这里采用的是Vanilla RNN的更新公式。
VAE学习笔记
qq_52902529的博客
08-04 241
损失函数2：如果没有对σi 的限制 生成的图片会希望噪音对自身生成图片的干扰越小，于是分配给噪音的权重越小，这样只需要将(σ1,σ2,σ3)赋为接近负无穷大的值就好了，直观上也能看出来在σi=0处取最小。把输入数据压缩成隐藏变量的分布参数（均值和方差)，直接输出固定值会导致生成能力变差 输出分布可以随机采样增加多样性。(σ1,σ2,σ3)是控制噪音干扰程度的编码，就是为随机噪音码(e1,e2,e3)分配权重。(m1,m2,m3)是数据经过encoder 得到的编码。还原成数据（如生成新图片）。
【机器学习&深度学习】模型剪枝
qq_62223405的博客
08-05 699
模型剪枝虽能有效减小模型体积和加速推理，但因精度风险高、工程复杂、工具不成熟，当前在工业界应用仍不如量化与轻量模型广泛。
深度学习之opencv篇
2302_76568160的博客
08-07 718
色彩空间特点与应用场景BGROpenCV 默认格式，适合显示和存储RGB多数图像库（如 PIL）使用的格式，与 BGR 仅通道顺序不同GRAY灰度图，单通道，简化计算，常用于预处理HSV分离亮度（V）和色彩（H、S），适合颜色检测YCrCb用于 JPEG 压缩，Y 通道为亮度，适合肤色检测本文涵盖了 OpenCV 的核心功能，从基础的图像读写到高级的特征检测和视频处理，通过大量代码示例帮助您快速上手。深度学习与 OpenCV。
深度学习：优化器（Optimizer）
karlso的博客
08-01 1029
优化器详解初版
深度学习G5周：Pix2Pix理论与实战
weixin_50792991的博客
08-06 769
针对上述原始GAN无法生成具有特定属性的图像数据的问题，Mehdi Mirza等人在2014年提出了条件生成对抗网络，通过给原始生成对抗网络中的生成器G和判别器D增加额外的条件，如我们需要生成器G生成一张没有阴影的图像，此时判别器D就需要判断生成器所生成的图像是否是一张没有阴影的图像。条件生成对抗网络的本质是将额外添加的信息融入到生成器和判别器中，其中添加的信息可以是图像的类别、人脸表情和其他辅助信息等，目的是把无监督学习的GAN转化为有监督学习的CGAN，便于网络能够在我们掌控下更好地进行训练。
【机器学习&深度学习】 知识蒸馏
qq_62223405的博客
08-05 865
知识蒸馏将大模型的智慧精华高效提炼至轻量化小模型，实现成本降低20倍、推理提速3倍、边缘端无损部署，推动AI民主化与产业普惠落地。
基于深度学习的颅内动脉瘤自动检测：EfficientDet在医学影像中的应
2301_80338712的博客
08-05 999
颅内动脉瘤是一种严重的神经血管疾病，影响全球约3%的人口。由于早期症状不明显，高达50%的动脉瘤只有在破裂后才被发现，这可能导致灾难性的后果。本文提出了一种基于EfficientDet的深度学习方法，用于在多种医学影像模态（CTA、MRA、T1增强和T2加权MRI）中自动检测和定位颅内动脉瘤。我们的方法在模拟的RSNA数据集上实现了76%的mAP@0.5和85%的精确率，证明了深度学习在医学影像分析中的巨大潜力。
基于MobileNet卷积神经网络和Xception神经网络算法的人脸表情识别系统的设计与实现
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
08-04 846
本文介绍了一个基于CNN的高效人脸表情识别系统，能够识别7种基本表情，并支持图像、视频及实时摄像头输入。系统采用模块化设计，包含UI界面、模型训练、后端识别和数据处理功能，集成MobileNet和MiniXception两种轻量级网络，兼顾准确率与实时性。项目亮点包括多样化输入支持、界面功能分离、全面性能评估和良好的用户体验，可应用于智能安防、心理健康评估等领域。系统提供完整的训练脚本和可视化工具，便于部署和扩展。
深度学习入门Day6：循环神经网络与文本处理实战
m0_71614333的博客
08-06 457
本文介绍了从RNN到注意力机制的序列数据处理方法。首先分析了基础RNN的梯度消失问题，对比了LSTM和GRU的门控机制差异；随后展示了文本处理全流程，包括情感分析和文本生成任务；最后探讨了注意力机制的实现与可视化。文章总结了RNN训练技巧和注意力应用场景，并预告了Transformer架构的学习内容。关键点包括：1）长短序列分别适用不同模型；2）梯度裁剪和学习率预热等训练技巧；3）注意力机制在序列任务中的重要性。
蚊子咬人问题何时休：深度学习引领智能灭蚊新时代
nmdbbzcl的博客
08-06 949
回望人类与蚊虫斗争的历史，我们从最初的烟熏火燎，到后来的化学杀虫剂大规模应用，再到今天的智能化精准控制，每一次技术进步都是人类智慧的结晶。深度学习技术的出现，为我们提供了前所未有的机遇，让"蚊子咬人问题何时休"这个千年之问有了新的答案。然而，我们也必须清醒地认识到，技术并不是万能的。智能蚊虫控制系统再先进，也需要与传统防控方法相结合，形成综合防控体系。更重要的是，需要全社会的参与和支持，从政府政策到企业投入，从科研创新到公众参与，只有形成合力，才能真正实现蚊媒疾病的有效控制。
深度学习领域的经典案例：ResNet50图像分类研究（一）
逆水行舟，不进则退。
08-05 525
本研究基于MindSpore框架，采用ResNet50模型实现花卉图像分类任务。通过数据预处理、模型构建、训练与评估等流程，验证了ResNet50在图像识别中的优异性能，并展示了MindSpore在计算机视觉领域的应用效果。重点介绍了ResNet50通过残差网络结构解决深度网络退化问题的创新设计，该模型在ILSVRC2015竞赛中取得第一名，实验表明其能有效提升深层网络的训练效果。研究为深度学习模型优化提供了实践案例。
通过CNN、LSTM、CNN-LSTM及SSA-CNN-LSTM模型对数据进行预测，并进行全面的性能对比与可视化分析
最新发布
优快云博主《机器学习之心》（IP：广东）小助手的博客
08-07 357
通过CNN、LSTM、CNN-LSTM及SSA-CNN-LSTM模型对数据进行预测，并进行全面的性能对比与可视化分析
UCLA-PRCNN：前列腺癌病理图像的多任务诊断与 Gleason 分级方法
在前列腺癌诊断中，病理切片是医生评估癌症类型和严重程度的重要依据，Gleason分级系统通过观察组织学特征来确定肿瘤的恶性程度。文章中，研究者Wenyuan Li、Jiayun Li、Karthik V. Sarma、King Chung Ho、Shiwen ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值