MICCAI 2022：使用自适应条形采样和双分支 Transformer 的 DA-Net

最新推荐文章于 2025-01-05 11:45:17 发布
最新推荐文章于 2025-01-05 11:45:17 发布
阅读量1.3k 收藏
点赞数 1
分类专栏： 深度学习入门到精通系列讲解 文章标签： 深度学习 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43838785/article/details/127577449
版权
DA-Net是MICCAI 2022上提出的一种深度学习方法，旨在结合image-level和patches-level的数据优势。通过双分支Transformer模块（DBTM）和自适应条状Upsampling Block（ASUB），该网络能够同时利用局部和全局上下文信息，尤其适用于视网膜血管的分割任务，针对视网膜血管的条状分布特点，ASUB设计了特定的卷积核以提高分割效果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

  • 前言
  • 概述
  • 网络简介
  • DBTM：Local Patches Meet Global Context
  • ASUB block
  • 实验
  • 讨论
  • 参考链接

前言

这是 MICCAI 2022 上的第三篇阅读笔记了，之前两篇也都可以在 GiantPandaCV 公众号搜索到。如下图所示，目前的视网膜血管分割方法按照输入数据划分有两类：image-level 和 patches-level，每一种方法都有自己的优势，如何将两者结合起来是一个需要去解决的问题，这也是 DA-Net 这篇文章的贡献之一。此外，这篇文章还提出了一个自适应的条状 Upsampling Block，我们会在后面展开介绍。文章地址可在最后参考链接找到，SpringerLink 和 ACM 上都可以下载。
请添加图片描述

概述

目前的视网膜血管分割方法根据输入类型大致分为 image-level 和 patches-level 方法，为了从这两种输入形式中受益，这篇文章引入了一个双分支 Transformer 模块࿰

了解本专栏 订阅专栏 解锁全文 超级会员免费看
MICCAI 2022：基于 MLP 的快速医学图像分割
爱CV
12-06 906
前言方法概述UNeXt 架构TokMLP 设计思路实验部分一些理解和总结参考链接最近 MICCAI 2022 的论文集开放下载了，地址：https://link.springer.com/book/10.1007/978-3-031-16443-9 ，每个部分的内容如下所示： 其中关于分割有两个部分，Image segmentation I 在 Part IV, 而 Image segmentation II 在 Part V。计划对其中开放源代码和典型的方法注意解读，这次要分享的论文是其中的 UNeX
MICCAI 2022：基于 MLP 的快速医学图像分割网络—UNeXt
李响
09-18 2643
其中关于分割有两个部分，Image segmentation I 在 Part IV, 而 Image segmentation II 在 Part V。计划对其中开放源代码和典型的方法注意解读，这次要分享的论文是其中的 UNeXt: MLP-based Rapid Medical Image Segmentation Network，arXiv 链接：https://arxiv.org/abs/2203.04967。
DA-Net：用于视网膜血管分割的双分支Transformer和自适应条带上采样
qq_45745941的博客
05-04 1514
目前的视网膜血管分割方法根据输入类型大致分为图像级和patch级方法，但每种方法都有自己的优缺点。为了从这两种输入形式中获益，我们引入了一种双分支变换器模块（DBTM），它可以同时充分享受patch级别的局部信息和图像级别的全局上下文。此外，视网膜血管长而细，呈条状分布，这使得经典卷积神经网络的方核是错误的，因为它只适用于大多数体积形状的自然物体。为了更好地捕捉上下文信息，我们进一步设计了自适应Strip上采样块（ASUB），以适应视网膜血管的条带分布。
MICCAI 2022 | mmFormer:Multimodal Medical Transformer for Incomplete Multimodal Learning of BTS
qq_45807235的博客
12-17 1589
从磁共振成像（MRI）中准确地分割脑肿瘤是多模态图像的联合学习所需要的。然而，在临床实践中，并不总是能够获得一套完整的MRI，缺失模态的问题导致现有多模态分割方法的性能严重下降。在这项工作中，我们首次尝试利用Transformer进行多模态脑肿瘤分割，该方法对可用模态的任何组合子集都具有鲁棒性。具体而言，我们提出了一种用于不完全多模态学习的新型多模态医学Transformer（mmFormer）。
MICCAI 2022论文集分享
qq_43288368的博客
10-21 5314
MICCAI 2022论文集百度y分享.
MICCAI 2022 | ASA：用于预训练脑核磁分割的注意力对称自动编码器
阿木寺的博客
10-09 1168
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达题目：MICCAI 2022 | ASA：用于预训练脑核磁分割的注意力对称自动编码器开源作者：黄俊嘉 李灏峰论文地址：https://arxiv.org/abs/2209.08887代码地址：https://github.com/lhaof/ASA本文解读了深圳市大数据研究院联合中山大学发表在MICCAI 2022的《Attent...
MICCAI 2024: 医学图像计算与辅助干预进展
10-16
内容概要：该论文集介绍了在医学图像计算和计算机辅助介入（MICCAI）领域的最新研究，特别是在自我监督机制下提升医疗影像分析精度和技术的应用上，展示了渐进式的自适应步调机制及其在大脑成像方面的效果改善，强调...
lbp代码matlab-miccai2013:MICCAI2013代码-通过关节水平集分割多个重叠的宫颈细胞
05-21
miccai2013 MICCAI 2013代码-通过关节水平集分割多个重叠的子宫颈细胞。 论文引文：[待更新...] ====================里面有什么？ 数据集：文件夹“ ./ims”中的四个真实的EDF巴氏涂片图像和综合测试/培训图像。 ...
医学顶会 MICCAI‘24 | DTCA: 用于 EEG 和眼动数据融合的双分支Transformer与交叉注意力
最新发布
小白学视觉
01-05 118
将脑电图（EEG）和眼动（EM）数据结合起来，可以全面理解大脑动态。然而，从EEG和EM中有效捕获关键信息面临挑战。先前的研究已经研究了它们之间的对齐和识别相关性，但并没有充分利用EEG和EM数据中固有的深层动态关系和互补特征。为了解决这个问题，我们提出了双分支变换器与交叉注意力（DTCA）框架。它将EEG和EM数据编码到潜在空间，利用多模态融合模块学习EEG和EM数据之间的促进信息和动态关系。利用交叉注意力与池化计算，DTCA捕获了互补特征并聚合了提升的信息。
MICCAI 2022中的医学扩散模型
idol24的博客
01-11 2293
来源：知乎—JunMa地址：https://zhuanlan.zhihu.com/p/569555913没有意外，diffusion model的热浪也涌入了医学图像，这是今年MICCAI看到的几篇有意思的文章。申明：由于笔者视野狭窄以及精力不足，一定错过了不少优秀的扩散模型相关的MICCAI文章，请大佬们评论区补充。文字内容是个人理解，请带着批评和质疑阅读，不要全信。任务介绍：给定起始时间心脏M...
miccai2021paper692:纸张ID 692的匿名代码发布
03-29
你好呀 :waving_hand:
MICAD2022正式成为MICCAI Society官方支持会议
xiaoyu2007a的博客
08-25 667
8月24日，MICAD 2022组委会收到MICCAI Society的正式通知: MICAD2022会议通过MICCAI Education Working Group审核， 正式成为MICCAI协会官方支持会议, 即MICCAI Society Endorsed Event。
人脸表情识别解干扰论文解读2：D3Net：Dual-Branch Disturbance Disentangling Networkfor Facial Exp
liu_chengguang的博客
03-15 3704
D3Net：厦门大学发表于ACM MM 2021 原论文链接：有道云笔记 本文的第一作者是信息学院计算机科学与技术系2019级硕士生莫榕云，通讯作者是信息学院计算机科学与技术系严副教授。论文提出了一种基于多任务框架的双分支干扰分离的人脸表情识别方法（D3Net），包括表情分支和干扰分支，可以同时分离常见干扰特征和潜在干扰特征，提取更有效的表情特征。其中，干扰分支包含两个子分支。一个子分支利用其它人脸数据集的干扰标签和迁移学习的方式来训练，可以提取常见干扰特征。另一个子分支结合非参数贝叶...
论文阅读——DA-Net:Dual Attention Network forScene Segmentation
qq_37151108的博客
03-06 2645
论文阅读之DA-Net：用于场景分割的双重注意力模型 cvpr2019 paper code 摘要 本文主要聚焦于通过注意力机制采集丰富的上下文信息用于场景分割，但不同于多级特征融合的方式，而是提出了一种双重注意力模型（DA-Net），在使用空洞卷积的FCN基础上引入两种注意力机制：空间和通道维。 空间注意力通过计算同一像素点所有feature的加权和得到，因此相似特征的关联性不会因为距离远近就丢...
【医学图像】图像分割系列.1
m0_61899108的博客
05-24 2447
​ 医学图像分割是一个比较有应用意义的方向，本文简单介绍三篇关于医学图像分割的论文： UNeXt（MICCAI2022），PHTrans（MICCAI2022），DA-Net（MICCAI2022）。 ​
CVPR'23 | 结合Transformer和CNN的多任务多模态图像融合方法
CV_Autobot的博客
04-06 8082
作者|奥本海默 编辑| 汽车人原文链接：https://zhuanlan.zhihu.com/p/617936182点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！论文：https://arxiv.org/abs/2211.14461本文为大家带来C...
CCF论文列表(2022)正式版发布！MICCAI空降B类！PRCV空降C类！ICLR继续陪跑...
热门推荐
阿木寺的博客
03-23 1万+
千呼万唤！CCF（中国计算机学会）推荐国际学术会议和期刊目录终于来了！相较于上一版目录，此次《目录》新增期刊19个，会议19个；升级期刊3个，会议6个；移除期刊1个，删除因停办期刊1个，会议1个。https://www.ccf.org.cn/Academic_Evaluation/By_category/值得注意的是：去年12月初 CVer 就第一时间分享了还在公示期的拟定版本：CCF论文列表(...
[MICCAI2022 Challenge: AMOS 2022] Abdominal multi-organ segmentation
thunder_k的博客
04-26 3788
MICCAI2022的比赛陆续出炉，挑一个我感兴趣的比赛介绍一下。 AMOS2022 比赛官网：https://amos22.grand-challenge.org/ AMOS 2022是个腹部多器官，多模态，多中心分割竞赛，跟去年的 FLARE2021 的比赛会有些相似。FLARE2021是单一模态的分割，有兴趣的还可以去关注一下FLARE2022的比赛，这个比赛更关注 “Fast and Low-resource semi-supervised”。 言归正传，看一看AMOS2022的简单情况： Task
MICCAI 2022 | UNeXt：第一个基于卷积和MLP的快速医学图像分割网络
阿木寺的博客
09-27 2158
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者：Wildeur |已授权转载（源：知乎）编辑：CVerhttps://zhuanlan.zhihu.com/p/491798644UNeXt: MLP-based Rapid Medical Image Segmentation Network论文：https://arxiv.org/abs/2203.04967代码（...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

理想不闪火

你的鼓励将是我最大的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值