DeepMedic —— 一种经典的医学图像分割的3D CNN框架

November 30
DeepMedic —— 一种经典的医学图像分割的3D CNN框架
文章来源:Kamnitsas K, Ledig C, Newcombe V F J, et al. Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation[J]. Medical image analysis, 2017, 36: 61-78. 医学图像分割领域的最经典的分割网络之一,可能有些读者读完之后会有所抱怨:大部分和FCN网络或者DeepLab V1网络非常类

解锁AI技能:深度学习利用OCT图像诊断眼内视网膜疾病

November 30
解锁AI技能:深度学习利用OCT图像诊断眼内视网膜疾病
解锁AI技能:深度学习利用OCT图像诊断眼内视网膜疾病 深度学习(Deep learning,DL)是一种新型的AI机器学习技术,它使用一些机器学习技术解决现实世界的问题,通过开发神经网络,模拟人类的决策. 在过去的几年里,深度学习(Deep learning,DL)在医学中得到了广泛的应用,旨在模仿人脑中的神经元层来处理和提取信息,使计算机无需明确编程即可学习.这种技术也可用于检测疾病,包括视网膜疾病的眼底图像.结核病的胸片和恶性黑素瘤的皮肤图像. 最近,深度学习已被用于从视网膜照片中识别与心

医疗图像分割(一)综述

November 30
医疗图像分割(一)综述
图像分割是一个经典难题,从七十年代期图像分割问题就吸引了很多研究人员付出巨大的努力,但是到目前为止还没有一个通用的方法.图像分割在医学应用中具有特殊的重要意义,本文从医学应用的角度出发,对医学图像分割方法做一个简单的汇总. 背景介绍 所谓图像分割是指根据灰度.彩色.空间纹理.几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显的不同.也就是说,把感兴趣区域从一幅图像中分离出来,以便进一步处理.常用的医学影像技术包括:血管摄影 (

U-net —— 一种在医学领域应用的图像分割网络模型

November 30
U-net —— 一种在医学领域应用的图像分割网络模型
今天要讲的模型属于深度学习(准确地说应该是卷积神经网络)在医学图像领域的应用,主要参考了一篇2015年的paper<U-Net: Convolutional Networks for Biomedical Image Segmentation>,正好通过这篇paper的学习来了解一下深度学习到底在图像问题领域是怎样运作的. 我之前接触过简单的深度学习在图像领域的应用,就是对于手写数字1-9的识别,本质来讲这是一个图像分类的任务.其实就是将原始的图像作为输入,通过一系列的卷积神经网络和pooli

医学图像分割综述

November 30
医学图像分割综述
图像处理流程大致如下图所示: 图像分割的定义: 将一副图像g(x,y),其中0≤x≤Max_x,0≤y≤Max_y,进行分割就是将图像划分为满足如下条件的子区域: 1.基于区域的分割方法: 图像分割通常用到不同对象间特征的不连续性和同一对象内部特征的相似性. 基于区域的算法则侧重于利用区域内特征的相似性. 1.1阈值法: 阈值分割是最常见的并行直接检测区域的分割方法. 单阈值分割:将图像分为目标和背景. 多阈值分割:将图像分为多个目标区域和背景.为区分目标,还要对各个区域进行标记. 阈值分割方法

医学图像分割方法

November 30
医学图像分割方法
 源于:医学图像分割方法综述 定义:图像中具有特殊含义的不同区域分开,这些区域互相不交叉,每个区域满足特定区域的一致性(连通),这些区域的总和构成整幅图像. 分类: 基于区域的分割方法 不同对象见特征的不连续性和同一对象内部的特征相似性. 阈值分割 分割原理:基于对灰度的假设:目标或背景内的相邻像素见的灰度级相似,不同目标或背景的像素在灰度上有差异.直方图反映:不同目标和背景对应不同峰,阈值为两峰之间的谷. 优点:对于物体灰度值与其他特征值相差很大时能进行有效分割,实现简单. 缺点:不适用于

医学图像分割--U-Net: Convolutional Networks for Biomedical Image Segmentation

November 30
医学图像分割--U-Net: Convolutional Networks for Biomedical Image Segmentation
U-Net: Convolutional Networks for Biomedical Image Segmentation https://arxiv.org/abs/1505.04597 Code: https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/ https://github.com/zhixuhao/unet https://github.com/yihui-he/u-net http://blog.leanot

基于FCN的医学图像分割(1)

November 30
基于FCN的医学图像分割(1)
   上一篇文章还是基于CNN的人脸性别识别,但是这一篇直接啥都变了,这是为啥呢...因为我老板说了,学习CNN只是为了热身,真正想让学的是FCN,是的,也就是用来分割的FCN.好吧,我也只能听命.    FCN的代码网上都有,我也是直接借鉴的,这里不多说,这篇文章主要记录一下我在调参路上的艰辛旅程.    首先我先记录一下我所搜集的所有可能有助于对抗过拟合的方法(是的,因为我的数据集较小,只能从别的方面下手):    1.参数范数惩罚,即L1.L2正则化 (L2比L1好,更容易求解)    2

Kindle读书网站

November 30
Kindle读书网站
1.ePUBee电子书库 (小蜜蜂电子书)http://cn.epubee.com/books/ 全球最大的免费电子书库,超过10万本书籍,50万个文件版本,这个网站的电子书资源覆盖面很广,操作也很方便. 首先你需要注册一个账号,然后在网站上搜索下载即可.还有一个更便捷的方式就是在公众微信号ePUBee电子书中回复书名,可以选择下载.发送到邮箱.发送到kindle. 2.苦瓜书盘 https://kgbook.com/ 苦瓜书盘最早成立于2011年,是国内最早一批涉足免费电子书的网站,其宗旨在于

史上最详细图像分割方法综述

November 30
史上最详细图像分割方法综述
综述调研ppt: http://syzhang.me/post/surveysegmentation/ CNN图像语义分割基本上是这个套路: 下采样+上采样:Convlution + Deconvlution/Resize 多尺度特征融合:特征逐点相加/特征channel维度拼接 获得像素级别的segement map:对每一个像素点进行判断类别 即使是更复杂的DeepLab v3+依然也是这个基本套路. 图13 DeepLab v3+ Image Segmentation(图像分割)网络结构比

基本的图像分割方法综述

November 30
基本的图像分割方法综述
         图像分割方法一般分为两大类:基于区域的分割方法和基于边缘的分割方法.        基于区域的分割方法有:阈值法(r如直方图门限法).区域生长法.基于图像的随机场模型法.松弛标记区域分割法等均.        基于边缘检测方法可大致分为以下几类:基于局部图像函数的方法.图像滤波法(fft,小波,导向滤波).基于反应-扩散方程的方法.基于边界曲线拟合的方法及活动轮廊(active contour)法等.      一.基于区域的分割方法        1)阈值分割法就是在一定的准

开源|如何利用Tensorflow实现语义分割全卷积网络(附源码)

November 30
开源|如何利用Tensorflow实现语义分割全卷积网络(附源码)
导读:本项目是基于论文<语义分割全卷积网络的Tensorflow实现>的基础上实现的,该实现主要是基于论文作者给的参考代码.该模型应用于麻省理工学院(http://sceneparsing.csail.mit.edu/)提供的场景识别挑战数据集. 项目所需的七大条件 结果是在12GB TitanX上训练大约6~7小时后获得的. 该代码最初是用tensorflow0.11和python2.7编写和测试的. tf.summary的调用已更新tensorflow 0.12版本.如果要使用旧版本的te

Tensorflow使用slim工具(vgg16模型)实现图像分类与分割

November 30
Tensorflow使用slim工具(vgg16模型)实现图像分类与分割
接触tensorflow小白,网上教程很多,图像分类应该属于比较经典的一个例子啦,特别是google推了slim,但是网上的教程遗漏啦许多细节介绍会导致跑不出来,经过调试终于跑出来啦 结果还算可以,分享一下 我的环境,cuda8.0+cudnn5.1+python2.7 关于tensorflow,cuda+cudnn等安装推荐教程: http://blog.csdn.net/xierhacker/article/details/53035989 整体思路就是通过训练好的vgg_16模型进行图像分

Graph Cut(图割算法)

November 30
Graph Cut(图割算法)
转载自:http://blog.csdn.net/zouxy09/article/details/8532111     Graph cuts是一种十分有用和流行的能量优化算法,在计算机视觉领域普遍应用于前背景分割(Image segmentation).立体视觉(stereo vision).抠图(Image matting)等.        此类方法把图像分割问题与图的最小割(min cut)问题相关联.首先用一个无向图G=<V,E>表示要分割的图像,V和E分别是顶点(vertex)和边

Tensorflow实现图像分割——FCN模型

November 30
Tensorflow实现图像分割——FCN模型
转载自:http://blog.csdn.net/scutjy2015/article/details/70230379 导读:本项目是基于论文<语义分割全卷积网络的Tensorflow实现>的基础上实现的,该实现主要是基于论文作者给的参考代码.该模型应用于麻省理工学院(http://sceneparsing.csail.mit.edu/)提供的场景识别挑战数据集. 项目所需的七大条件 结果是在12GB TitanX上训练大约6~7小时后获得的. 该代码最初是用tensorflow0.11和p

图像分割算法研究综述

November 30
图像分割算法研究综述
图像分割算法研究

halcon基于形状的几何定位算子选择

November 30
halcon基于形状的几何定位算子选择
一,几何定位的算子选择 不支持缩放的几何定位. 根据模版图像创建模版 create_shape_model () find_shape_model () find_shape_models () clear_shape_model() 根据XLD轮廓创建模版 create_shape_model_xld() find_shape_model () find_shape_models () clear_shape_model() 支持X,Y同步缩放的几何定位 根据模版图像创建模版 create_s

GDI对象CBrush

November 30
GDI对象CBrush
1. 基本用法

QT与C++数据类型转换

November 30
QT与C++数据类型转换
Qt的数据类型与标准c++是不一样的,在开发的时候,必然会涉及到很多数据类型的转换.早已厌倦了百度QString转QByteArray,QByteArray转char*,QString转string-.Qt的第一篇文章,就先来总结一下我用过的数据之间的转换. 1.QString转QByteArray QByteArray byte; QString string; byte = string.toLatin1(); 2.QByteArray转QString QByteArray byte; QS

VC++深入详解第一天

November 30
VC++深入详解第一天
1,API与SDK API应有程序接口 SDK软件开发包 2,句柄 在windows程序中,有各种各样的资源(窗口,图标,光标等),系统在创建这些资源时会为他们分配内存,并返回标识这些资源的标识号,即句柄. 句柄可以理解为指针的指针. https://blog.csdn.net/perfectguyipeng/article/details/71189822 3,消息 typedef struct tagMSG { HWND hwnd;//窗口句柄 UINT message;//消息类型 WPA