NIPSNov, 2017

使用孪生 CNN 学习医学图像的深度特征并应用于基于内容的图像检索

PDF
TL;DR使用深度 Siamese 卷积神经网络 (SCNN)，基于二值图像对信息，可以学习到更少监督的图像表示，并在医疗图像检索任务上取得了可比单一监督学习 CNN 的表现。
medical imagesdeep neural networkssiamese cnncontent-based retrievalsupervised learning
发现论文，激发创造
  • 使用深度卷积神经网络进行医学图像检索

    提出了一种利用深度卷积神经网络的 CBMIR 系统，该系统在医疗图像分类任务中取得了平均 99.77％的分类准确度和 0.69 的平均平均精度，是用于检索多模态医学图像的最佳方法。

    Mar, 2017

  • 使用深层卷积神经网络和课程学习进行图像相似度比较

    本文介绍了一种名为 SimNet 解决方案的深度连体网络，这个网络使用一种新颖的在线对挖掘策略进行了训练，同时创建了一个多尺度 CNN, 最终图像嵌入是顶层和底层嵌入的联合表示，表明这种多尺度连体网络比传统 CNN 更能捕捉细粒度的图像相似性。

    Sep, 2017

  • 学习强健的 3D 人脸重建及判别身份表征

    本文提出了一种使用 Siamese 卷积神经网络的 3D 人脸重建方法，采用对比损失和恒等损失来保留身份特征信息和增加不同身份之间的距离，从而提高人脸识别的准确性。实验证明，在 300W-LP 和 AFLW2000-3D 等数据库上，相较于现有技术，该方法更加有效。

    May, 2019

  • 糖尿病性视网膜病变灶的弱监督定位在眼底图像中的应用

    本文研究使用卷积神经网络对糖尿病视网膜病变进行图像级别的诊断，证明其在医学影像分析方面具有较高准确度。

    Jun, 2017

  • 深度 Fisher-Vector 描述符连结网络用于图像检索

    本文介绍了一种用于大规模图像检索的新型 Siamese 网络，结合了 CNN 组件和 Fisher vector 组件，可以同时学习 CNN 过滤器权重和 Fisher Vector 模型参数，并且结果比现有的方法有显著改善。

    Feb, 2017

  • 基于门控连体卷积神经网络的人体再识别架构

    本文提出了一种用于跨摄像头匹配行人的人体再识别框架，通过引入一个选择性强化细粒度共有的局部模式的门控函数，将同一身份的图像向量嵌入到特征空间中更密集的区域，提高了再识别的性能。在 CUHK03、Market-1501 和 VIPeR 数据集上的实验证明，与基线 Siamese CNN 架构相比，该框架表现更优。

    Jul, 2016

  • 基于注意力机制的连体卷积神经网络在医学图像识别中的应用

    本研究基于注意力和连体神经网络，针对少样本和细粒度图像识别问题，提出了适用于分类模型的连体神经网络，并使用注意力神经网络来改善分类效果，结果表明，在 COVID-19 肺样本上测试，样本数量越少，与普通神经网络相比优势越明显。

    Apr, 2023

  • 使用软标签的孪生网络在筛查乳腺 X 射线照片上进行无监督异常检测和裁剪预训练

    通过对比侧面乳房 X 射线摄影图像来训练神经网络，以实现全面无监督的方式区分异常病变和背景组织，从而实现乳房补丁分类任务中的卓越性能。

    Jan, 2024

  • 基於深度卷積神經網絡的計算機輔助檢測：CNN 架構、數據集特徵和轉移學習

    该论文主要探讨了如何在医学成像领域中运用深度卷积神经网络实现计算机辅助检测。作者对不同的卷积神经网络结构进行了评估，并考虑了数据集规模和图像空间背景对性能的影响。文章还阐述了将 ImageNet 预训练模型迁移到医学成像问题中的有效性，并通过两个计算机辅助检测问题的实验展示了更好的性能。

    Feb, 2016

  • 面向组织学图像的乳腺癌更透明诊断的孪生基于内容的搜索引擎

    通过提出的两种基于内容的组织学图像检索（CBHIR）方法，在乳腺和皮肤癌数据集上集成了自定义的孪生网络作为特征提取器，实现了稳健准确的补丁级检索，并在顶部 K 正确率上评估，以解决组织学图像中的问题。

    Jan, 2024