Apr, 2023

CDFI: 跨领域特征交互实现鲁氏支气管镜下黏膜表面特征鲁肌层检测

PDF
TL;DR本研究提出了跨域特征交互（CDFI）网络，通过四重特征约束（QFC）模块和引导特征融合（GFF）模块，可准确提取支气管镜术中支气管内腔的结构特征和不同类型的图像伪影特征信息，从而实现良好的内腔定位准确度。
发现论文，激发创造
  • 低光遥感图像增强的空域频率二重域特征融合网络

    提出了一种用于低光遥感图像增强的双域特征融合网络 (DFFN)，通过将振幅信息与相位信息分别学习来实现低光增强任务，同时通过信息融合亲和块在不同阶段和尺度上组合不同的数据，通过广泛的评估，证明该方法优于现有最先进方法。

    Apr, 2024

  • CDDFuse: 基于相关性驱动的双分支特征分解用于多模态图像融合

    提出一种基于相关驱动特征分解融合网络的多模态图像融合方法，通过利用 Restormer 块提取跨模态浅层特征；采用双分支 Transformer-CNN 特征提取器，使用 Lite Transformer 块处理低频全局特征和 INN 块处理高频局部信息；提出相关驱动损失，在保留融合优势的同时使低频特征相关，高频特征不相关；输出融合图像。在红外 - 可见图像融合和医学图像融合等多个任务中，该方法均取得了良好的结果，并在红外 - 可见语义分割和目标检测中提升了性能。

    Nov, 2022

  • 基于无监督对比学习的 Transformer 肺结节检测

    研究通过自监督区域建模与对比学习训练方法，提出了一种新的自监督 3D 变形器模型来识别肺结节，与普遍使用的 3D 卷积神经网络相比，该模型可以极大地提高肺结节筛查的性能。

    Apr, 2022

  • MDFL：多域扩散驱动特征学习

    多域扩散驱动特征学习网络对高维图像进行特征提取，显著改进了性能并揭示了其内在模式和结构。

    Nov, 2023

  • CDIDN: 具有高变形阻抗能力的注册模型，用于长期跟踪肺部病变动态

    本文提出了一种高变形抵抗能力的登记模型，称为 CDIDN，可以处理在 CT 图像中局部大变形的问题，通过实验评估证明 CDIDN 在处理肺部器官和复杂的肺部细节方面比其他方法更准确和有效，并具有追踪肺部病变的能力。

    May, 2023

  • 标签解耦框架的显著目标检测

    该研究提出了标签解耦框架，将中心区域和边缘区域的细节分开处理，在特征交互网络中进行融合得到更加精确的显著图，实现了目标识别中的最佳表现。

    Aug, 2020

  • RFL-CDNet：基于更丰富特征学习的准确变化检测

    利用更丰富的特征学习来提高变化检测性能，我们提出了一种名为 RFL-CDNet 的新型框架，该框架采用深度多重监督来增强中间表示，并设计了 C2FG 模块和 LF 模块来进一步改进特征学习和获得更具有区分性的特征表示。

    Apr, 2024

  • 远程感知图像任意方向物体检测的关键特征捕获网络 CFC-Net

    本文提出了一种名为 CFC-Net 的网络，该网络使用判别式特征来提高遥感图像中对象的检测精度，并通过构建强大的特征表示、优化预设锚点和优化标签分配等方面来改进检测性能。实验结果表明，在三个远程感应数据集中，与许多最先进的方法相比，该方法实现了卓越的检测性能。

    Jan, 2021

  • 慢性阻塞性肺疾病多中心分类的迁移学习

    通过多中心数据集，使用高斯纹理特征和加权逻辑分类器诊断慢性阻塞性肺疾病 (COPD)，并发现其优于已有的弱监督学习方法。

    Jan, 2017

  • FLDNet：利用长距离依赖关系进行息肉分割的前景感知网络

    通过使用 FLDNet，一种基于 Transformer 的神经网络，该论文提出了在结直肠镜检查图像中准确检测和分割息肉的方法，并通过评估显示出在常用数据集上优于现有方法的先进性。

    Sep, 2023