【深度学习】面向医学图像的病灶分割调研(二)

理想不闪火

于 2021-07-28 08:14:55 发布

阅读量725

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习入门到精通系列讲解

本文链接：https://blog.youkuaiyun.com/weixin_43838785/article/details/118889291

深度学习入门到精通系列讲解专栏收录该内容

236 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文分析了针对医学图像病灶分割的深度学习方法，包括nnU-Net在脑肿瘤分割中的应用，3D U-Net的改进以及Transformer在多模态脑肿瘤分割中的创新。nnU-Net通过自动调整策略取得BraTS挑战赛的优异成绩；3D U-Net结合残差块以改善分割效果；TransBTS则利用Transformer捕捉全局信息，提升分割精度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【深度学习】面向医学图像的病灶分割调研(二)

在这里插入图片描述

文章目录
3 论文分析
	3.1《nnU-Net for Brain Tumor Segmentation》
	3.2《An attempt at beating the 3D U-Net》
	3.3《TransBTS: Multimodal Brain Tumor Segmentation Using Transformer》
参考