用于白质高信号区分割的位置敏感深度卷积神经网络

Oct, 2016

用于白质高信号区分割的位置敏感深度卷积神经网络

Location Sensitive Deep Convolutional Neural Networks for Segmentation of White Matter Hyperintensities

Mohsen Ghafoorian, Nico Karssemeijer, Tom Heskes, Inge van Uden, Clara Sanchez...

TL;DR本文研究了使用多尺度网络和显式的位置特征在卷积神经网络中，以将解剖结构位置信息与医学图像分析相整合，提高自动分割的准确性，实验结果表明，加入位置信息的网络与手工特征或不加入位置信息的网络相比较，取得了更好的结果。

Abstract

The anatomical location of imaging features is of crucial importance for accurate diagnosis in many medical tasks. convolutional neural networks (CNN) have had huge successes in computer vision, but they lack the

anatomical location convolutional neural networks medical image analysis segmentation brain mr images

发现论文，激发创造

基于深度神经网络的多发性硬化症病变和神经解剖分割

本文探讨基于卷积神经网络（CNN）的分割解决方案，以提供多模式磁共振成像的快速，可靠的病变和灰质结构分割，重点研究了基于 2016 MSSEG 训练数据集上的两个完全卷积 CNN 架构的性能，并比较了其他方法的性能表现。

Jan, 2019

多尺度定位感知的深度三维卷积神经网络，用于自动检测推测为血管性来源的腔隙

使用卷积神经网络的自动化方法可以高效地检测出脑血管源性腔隙，具有减少误检率的优势，并且可以促进神经退行性疾病的研究。

Oct, 2016

应用深度神经网络进行解剖学脑分割

采用深度人工神经网络，通过不同尺度的输入信息实现对人类脑磁共振成像的自动分割，无需非线性图像配准，对于全脑的解剖分割具有较好效果，为该领域提供了新的技术路线。

Feb, 2015

基于 Hough-CNN 的深度学习 MRI 和超声扫描深度脑部区域分割

本文提出了基于 CNN 和 Hough voting 的自动医学图像分割方法，并系统研究了不同神经网络结构及数据维度对 MRI 影像的影响。

Jan, 2016

MR 图像中白质高信号区域分割的全卷积网络集成

利用深度完全卷积神经网络和集成模型自动检测老年健康人群中的白质高信号病变，取得 WMH Segmentation Challenge at MICCAI 2017 的第一名，同时提供关于系统组成成分的详细描述和定量分析。

Feb, 2018

多尺度卷积堆叠聚合用于鲁棒性白质高信号区域分割

使用多尺度聚合模型来处理大小可变的白质高信号区域 / 损伤的分割任务，在多个数据集上的表现均优于现有的方法。

Jul, 2018

基于 CNN 的医学图像分割

通过使用三维卷积神经网络结构以及针对标注数据稀少、标注实例失衡和三维医学图像处理困难等问题进行改进与优化，本论文应用于医学图像分割领域，实现了在手部和脑部 MRI 图像上的分割与验证。

Jan, 2017

MRI 中基底核分割的 3D 卷积神经网络：一项大规模研究

本研究针对 MRI 中的次皮质脑结构分割，提出了一种 3D 全卷积神经网络。通过采用小核允许更深层次的架构，将中间层输出嵌入到最终预测中，提高了特征提取的一致性和细粒度信息的准确性。在两个公开数据集上的实验表明，该方法在大规模神经解剖学成像研究中具有很强的鲁棒性和高效性。

Dec, 2016

多模态医学图像的多任务深度学习分割

本文研究使用单个卷积神经网络对不同成像模式下的医学图像进行分割的方法，实验结果表明这种方法在不同任务中具有相当的分割性能，证明了卷积神经网络结构的高容量性。因此，可以在医学实践中使用单个系统进行自动分割任务，而无需进行任务特定的训练。

Apr, 2017

使用远程 2D 上下文的 3D 卷积神经网络进行肿瘤分割

提出了一种基于卷积神经网络的肿瘤分割方法，采用多种序列图像，结合 2D 和 3D 上下文，通过级联 2D-3D、子网络处理缺失图像序列等策略提高了效率，在 BRATS 2017 竞赛中良好表现，可用于各种分割任务。

Jul, 2018