Jan, 2024

改善有限监督下的足部溃疡分割，利用跨域增强技术

PDF
TL;DR提出了一种名为 TransMix 的跨域增强方法，通过结合 AGP 和 LCF 来丰富足溃疡分割数据，从而有效改善模型训练；实验证明，TransMix 可以提高足溃疡区域的变异性并显著提高只用 40 个注释图像训练的模型的 Dice 评分。
diabetic foot ulcerswound segmentationtransmixaugmented global pre-traininglocalized cutmix fine-tuning
发现论文，激发创造
  • 利用深度学习进行糖尿病足溃疡图像的伤口组织分割：一项初步研究

    为了解决糖尿病足溃疡（DFU）图像中组织分割的挑战，作者创建了一个名为 DFUTissue 的数据集，其中包含由伤口专家标记的 110 张图像和 600 张未标记的图像。作者提出了一个混合模型，采用了深度学习方法，并结合了半监督学习的方法进行 DFU 伤口组织的分割。通过与现有方法的比较评估，该模型在 DFU 伤口区域的二值分割中取得了 92.99% 的 Dice 相似系数。

    Jun, 2024

  • 用于糖尿病足溃疡分割的全卷积网络

    通过使用两阶段迁移学习来训练全卷积网络，我们可以自动地分割 DFU 图像中的溃疡和周围皮肤区域，这为临床医生提供了一种成本更低且精度更高的 DFU 治疗方法。

    Aug, 2017

  • FUSegNet：用于足部溃疡分割的深度卷积神经网络

    本文提出了一种名为 FUSegNet 的模型，利用预训练的 EfficientNet-b7 作为骨干网络，通过并行 scSE 模块来提高足部溃疡分割的准确率，并在公开数据集上取得最佳结果，模型代码可在给定链接获得。

    May, 2023

  • 2022 年糖尿病足溃疡大挑战总结

    该论文介绍了 2022 年糖尿病足溃疡挑战赛，从先前的 DFU 挑战完成的工作出发，集中关注于糖尿病足溃疡分割任务，提供了 4000 个完整的足部溃疡图像，并附有相应的溃疡区域。在众多参赛者中，最佳表现网络是改进的 HarDNet-MSEG 网络，其 Dice 分数为 0.7287。

    Apr, 2023

  • 医学影像深度学习领域导向数据增强

    本研究探讨了领域特定的数据增强对医学成像任务的作用，使用了胎儿超声 FETAL-125 和 OB-125 数据集，发现通过上下文保留的 cut-paste 策略，可以创建有效的训练数据，并通过基准测试数据集的表现来评估模型性能，结果表明，通过在线方式训练的模型在 FETAL-125 和 OB-125 数据集上的表现与使用传统数据增强训练的模型类似。最后提供开源代码，便于设计并应用领域指导的数据增强策略处理医学成像任务。

    Oct, 2022

  • 适用于糖尿病足溃疡检测的领域特定深度学习特征提取器

    自主监测和评估糖尿病足溃疡（DFU）是卫生保健中一个亟需关注的领域，本研究评估并确定用于开发深度学习伤口检测网络的最准确的特征提取器，并发现 UNet 和 Efficientnetb3 结合的特征提取器在 14 个网络中表现最佳，可作为糖尿病足溃疡领域特定自主伤口检测流程的分类器。

    Nov, 2023

  • 增强半监督领域通用医学图像分割的伪标签质量

    本文章提出了一种新颖的基于置信度的跨伪监督学习算法，用于在医学图像分割任务中增强未标记数据的伪标签质量并进行域自适应。该方法可在不使用域标签的情况下，提高 Dice-score 性能，超过使用域标签的先前研究成果。

    Jan, 2022

  • 基于多源对抗迁移学习的超声图像分割（受限相似度）

    本论文提出了一种针对超声图像分割的多源敌对迁移学习网络，采用敌对迁移学习的思想来自适应地提取源域和目标域之间的共同特征，以利用未标注的超声数据，同时还采用多源迁移学习来融合多个源域的知识，以提高模型的学习能力和数据利用率。

    May, 2023

  • 可以转移什么：内窥镜病变分割的无监督域自适应

    我们提出了一个新的无监督语义转移模型，包括两个互补模块（T_D 和 T_F），针对内窥镜病变分割，其可确定在标记源病变数据集（例如，胃镜）和未标记的目标疾病数据集（例如，肠镜）之间如何和何时探索可转移领域不变知识。

    Apr, 2020

  • 利用深度卷积神经网络进行完全自动化的伤口分割

    基于 MobileNetV2 和联通区域标记的卷积框架可以对自然图像中的伤口区域进行有效的分割，为伤口的面积测量和定量参数提供重要的诊断和治疗信息。

    Oct, 2020