zephyr_wang的博客

1 R-CNN: 结合了region proposal和卷积网络，使region proposal方法流行起来； 2 HCP-2014 HCP（hypothesis-CNN-Pooling）.采用BING生成proposal。 3 SSPnet 提升了R-CNN。引入了空间金字塔池化层。 4 Fast R-CNN 扩展了SSPnet，端到端训练，最小化一个损失（confidence 和bounding box 回归）。RPN产生region proposals。 后面提出了mask R-CNN。 5 Ove

1 简介 本文根据《DEEP SPINE: AUTOMATED LUMBAR VERTEBRAL SEGMENTATION, DISC-LEVEL DESIGNATION, AND SPINAL STENOSIS GRADING USING DEEP LEARNING》翻译总结。 本文实现多输入（矢状图、轴状图）、多任务（脊椎狭窄、左神经孔、右神经孔）、多分类（正常、轻度疾病、中度疾病、重度疾病）的模型。如下图，首先采用人工标注的椎体、尾椎的mask，用U-Net进行定位识别，对定位的椎体有个多项式曲线适配