weixin_42158501-优快云博客

原创 ReMIND-系列0-ReMIND2Reg: Brain Resection Multimodal Registration

(a) 对比增强T1和切除术后术中超声；(b) T2和切除术后术中超声。来自2024年7月9日的警告：病例ReMIND2Reg_0048的超声图像是空的。Zenodo上的数据集版本2.4已修正此问题。来自2024年5月29日的警告：首次发布版本中包含了FLAIR扫描而非T2扫描，请如果您下载了V1版则需要重新下载数据集。背景：手术切除是治疗大多数脑肿瘤的关键第一步，切除范围是影响患者预后的可调整主要决定因素。

2025-03-09 19:03:10 742

原创 ReMIND系列3-ReMIND2Reg dataset (2023)

发布的数据对应于癌症成像档案馆的脑切除多模式成像数据库（ReMIND）的修改（预处理）子集，该数据库以CC BY 4.0许可证发布，其中包含收集的2018年至2022年间接受图像引导肿瘤切除手术治疗的114名连续患者的术前和术内数据：https://doi.org/10.7937/3rag-d070.如上所述，将图像配对，每个患者有两个图像对，得到155个图像对用于训练，10个图像对进行验证。具体来说，我们关注的是手术前到手术后的配准这一具有挑战性的问题，这需要对大变形和组织切除进行估计。

2025-03-09 18:56:29 306

原创 ReMIND-系列2 | The Brain Resection Multimodal Imaging Database

总结。

2025-03-09 18:16:46 858

原创微分同胚的概念

2. **偏微分方程（PDEs）**：虽然PDEs本身是一个非常复杂且深奥的领域，但对于了解如何应用微分同胚于实际问题（如流形上的动力系统或物理现象建模），掌握基本的PDE理论是必要的。1. **拓扑学**：尽管它探讨的是空间的性质，特别是那些在连续变换下不变的特性，但拓扑学的基础部分相对直观且易于形象化思考。- **TransMorph-diff** 和 **TransMorph-bspl** 是 TransMorph 模型的两个变体，它们分别通过不同的方式来确保变形场满足微分同胚条件。

2025-02-01 21:34:56 1345

原创 02-Transformer for unsupervised medical image registration 论文解析

**相似性测量**：包括均方误差（MSE）、归一化互相关（NCC）、结构相似性指数（SSIM）、互信息（MI）、局部互信息（LMI）和自相似上下文下的模态独立邻域描述符（MIND-SSC）。- **研究动机**：提出一种基于Transformer架构的新型图像配准方法——TransMorph，旨在通过利用Transformer的强大特征提取能力来提高配准精度和效率。- **贡献**：TransMorph提供了一种高效且强大的无监督医学图像配准方法，特别是在处理大规模数据集时展现出显著优势。

2025-02-01 20:17:33 313

原创 00-ReMIND: The Brain Resection Multimodal ImagingDatabase

**背景**：在神经外科手术过程中，准确的影像引导对于提高手术效果至关重要。- **研究贡献**：这是目前公开可用的最大规模的术前MRI、术中MRI及术中超声数据集合之一，特别适用于开发和验证用于脑肿瘤手术中的图像引导技术。- **应用场景**：数据库可用于训练和评估各种算法，比如图像分割、配准、图像合成（例如从MR到iUS的合成）以及不确定性估计等任务。- **目的**：创建一个公开可用的多模态影像数据库，以支持开发和测试基于机器学习的算法，如图像分割、配准、合成及可视化等。1. **数据集组成**

2025-02-01 20:16:38 315

原创 15- Double U-Net CycleGAN for 3D MR to CT image synthesis文章解析

DU-CycleGAN方法展示了其在无需3D卷积的情况下，生成高质量合成CT图像的能力，具有重要的临床应用潜力。该研究得到了多个科研基金的支持，并声明无利益冲突。所使用的数据集是公开可用的数据。

2025-01-31 22:40:51 208

原创 Transmorph:transformer for unsupervised medical image registration -- 中文翻译

您可以在这里找到预处理过的OASIS数据集、预训练的基线和TransMorph模型以及OASIS数据集的训练和推理脚本 👉 TransMorph on OASIS。有四种TransMorph变体：TransMorph、TransMorph-diff、TransMorph-bspl和TransMorph-Bayes。您可以在这里找到预处理过的IXI数据集、预训练的基线和TransMorph模型以及IXI数据集的训练和推理脚本 👉 TransMorph on IXI。根据审稿人的意见，将会有一些改动。

2025-01-31 22:07:09 1368

原创增强T1加权成像（Contrast-enhanced T1-weighted Imaging, ceT1）和本地T2加权成像（Local T2-weighted Imaging, T2）

增强T1加权成像（Contrast-enhanced T1-weighted Imaging, ceT1）和本地T2加权成像（Local T2-weighted Imaging, T2）是两种不同的磁共振成像（MRI）技术，它们通过调整MRI扫描仪的参数来强调或减弱图像中的特定组织特性。例如，在神经影像学中，常常同时查看T1加权、T2加权以及增强T1加权图像来全面评估病变的位置、大小及性质。的对比剂，这种对比剂可以缩短某些组织（如肿瘤、炎症区域等）的T1弛豫时间，从而在T1加权图像上这些区域会显得更亮。

2025-01-30 20:55:28 267

原创 SYN进行3D医学图像配准的代码解析

这段代码的核心目的是为了执行图像配准任务，并保存配准结果中的变形场。它利用了 PyTorch 的 `DataLoader` 来高效地加载数据，使用 ANTsPy 库来进行图像配准，最后将结果保存为 NIfTI 文件。这种工作流程常见于医学图像处理和分析领域，特别是涉及到图像对齐或变形场计算的任务。

2025-01-25 16:57:51 352

原创 Pytorch运算：squeeze()向量降维

如果输入是形如(A×1×B×1×C×1×D)(𝐴×1×𝐵×1×𝐶×1×𝐷)，那么输出形状就为： (A×B×C×D)(𝐴×𝐵×𝐶×𝐷)注意，上面代码可以变换书写形式：x.squeeze(), x.squeeze(0), x.squeeze(1);注意：返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。例如，输入形状为: (A×1×B)(𝐴×1×𝐵),，形状会变成 (A×B)(𝐴×𝐵)。将会保持张量不变，只有用。

2025-01-24 01:08:03 160

原创 `val_set` 和 `val_loader` 均包含imgs，有何区别？

让我们来详细解释一下为什么即使 `val_set` 和 `val_loader` 都有类似的属性，仍然需要使用 `val_loader`。- **属性 `imgs`**：尽管 `val_loader` 可能也有一个名为 `imgs` 的属性，但这通常不是标准的 `DataLoader` 行为。- **定义**：`val_loader` 是一个继承自 `DataLoader` 的实例，它不仅封装了数据集，还提供了额外的功能，如批量处理、打乱顺序、多线程加载等。### 数据加载器 (`val_loader`)

2025-01-21 07:53:26 306

weixin_42158501的博客