Oct, 2023

FNOSeg3D: 鲁棒分辨率三维图像分割与傅里叶神经算子

PDF
TL;DRFNOSeg3D 模型通过 Fourier 神经算子（FNO）提高了参数效率和分辨率鲁棒性，在 BraTS'19 数据集上表现出优于其他模型的鲁棒性。
3d medical image segmentationdownsampled imagesconvolutional neural networkfourier neural operator (fno)parameter efficiency
发现论文，激发创造
  • PoissonNet：使用 Fourier 神经算子进行分辨率无关的三维形状重建

    PoissonNet 是一种用于从点云中恢复三维形状的架构，通过利用 Fourier 神经算子 (FNOs) 来解决 Poisson 方程并从定向点云测量中重建网格，其具有效率高、重建质量较好、运行时间短以及分辨率灵活等优势，并通过数值结果的理论定理证明 Poisson 表面重建问题在极限情况下是明确的。

    Aug, 2023

  • 预测三维地震波传播的傅里叶神经算子代理模型

    本文介绍了利用神经算子和傅里叶神经算子在三维地震学中进行高保真数值模拟并模拟地面运动时系列的应用。模型可以用于评估地质特征对地面运动的影响，特别是介于中等和大范围的区间的地面运动强度。

    Apr, 2023

  • 基于傅立叶神经算子的分辨率不变图像分类

    本文研究了使用傅里叶神经算子（FNOs）相对于标准卷积神经网络（CNNs）进行图像分类的方法。我们推导了 FNO 结构作为连续和 Frechet 可微分的神经算子在勒贝格空间上的例子，并提出了内插等变的适应结构。

    Apr, 2023

  • HartleyMHA: 频域自注意力的分辨率稳健和参数高效的 3D 图像分割

    通过引入 HartleyMHA 模型，结合使用 Hartley 变换和共享参数来减小模型尺寸，同时在频域内应用自注意力机制实现了更高效的高阶特征组合，实现了比其他测试模型少于 1％的模型参数下对训练图像分辨率的优越鲁棒性。

    Oct, 2023

  • 多尺度图像分类的新型傅里叶神经算子框架：在 3D 数字多孔介质中的应用

    使用傅里叶神经算子 (FNOs) 为基础的深度学习框架，可以处理大小不同的图像，并通过静态最大池化将 FNO 层与分类器相连接，解决了变尺寸多维数字多孔介质的图像分类问题。

    Feb, 2024

  • 从谱的角度对傅里叶神经算子进行分析和改进的研究

    通过光谱分析明确展示了 Fourier 神经操作符在解决偏微分方程时相比卷积神经网络的显著有效性，并提出了 SpecBoost，一种集成学习框架，通过利用多个 Fourier 神经操作符来更好地捕捉高频信息，明显提高了在各种偏微分方程应用中的预测准确度，最高提升了 71%。

    Apr, 2024

  • 将完全卷积和循环神经网络相结合进行三维生物医学图像分割

    该论文提出了一种新的基于深度学习的 3D 医学图像分割方法，该方法采用了全卷积神经网络和递归神经网络相结合的方式，能够充分利用体像素在不同维度上的相关性以提高分割性能。

    Sep, 2016

  • 本地卷积增强的全局傅里叶神经算子用于多尺度动态空间预测

    通过改进的傅里叶层和注意机制，我们提出了一种新颖的分层神经算子，旨在捕获所有细节并在不同尺度上处理它们，以解决多尺度偏微分方程问题。在多个物理场景中进行实验，并在现有偏微分方程基准测试中取得卓越性能，尤其是具有快速系数变化特征的方程。

    Nov, 2023

  • 用于腹部多器官分割的多尺度金字塔 3D 全卷积网络

    本文提出一种新的方法通过采用自动上下文来利用多尺度堆叠 3D FCN 金字塔，从而提高分辨率执行语义分割。 我们在手动注释的 377 个胃手术的 CT 影像数据集上训练和验证模型，并获得近 90％的 Dice 分数。

    Jun, 2018

  • PAC-FNO: 并行结构全组分傅里叶神经操作器用于低质量图像识别

    提出了一种新的神经网络模型 PAC-FNO，它在频域中进行操作，能够处理不同分辨率的图像，并且通过与现有的图像识别模型结合，显著提高了不同分辨率图像的性能。

    Feb, 2024