文献：Uncertainty-aware Self-ensembling Model for Semi-supervised 3D Left Atrium Segmentation（半监督方法：不确定性感知自增强模型）
原文：https://arxiv.org/abs/1907.07034
代码：https://github.com/yulequan/UA-MT
2022-04-14 21:05:50
554KB
1
针对医学图像中由于偏移场的存在而导致图像灰度不均匀的问题，提出了一种基于局部区域信息的医学图像分割及偏移场矫正方法，以矫正偏移场使图像变为灰度均匀。该方法利用图像局部区域信息，通过拟合图像和原始图像构造能量函数，采用变分水平集方法进行求解。实验结果表明，该方法能够有效地实现医学图像分割及偏移场矫正，与其他分割及偏移场矫正方法相比，该方法具有较高的分割及偏移场矫正的精度和效率。
2022-03-25 15:21:11
1.03MB
1
主要内容：分割概念、分割方法的分类、阈值分割、区域生长分割、交互式分割、Live wire分割、形变模型的分割、模糊连接度的分割、基于代理机模型的分割
2022-03-13 18:53:20
2.14MB
1
针对由于机体组织间的连续造成医学图像区域边界的模糊性，导致完全自动的医学图像分割算法往往不能取得满意分割效果的问题，提出了一种基于径向基函数曲线拟合的交互式模糊医学图像分割算法。首先由用户在感兴趣的区域交互地选取一些特征点，然后利用径向基函数构造一个三维空间的隐式曲面，使该曲面上的某一等值线即为分割出的区域，文中还提出了两种不同的加速算法。大量实验表明，该算法能有效处理非常模糊的医学图像。
2022-03-05 16:39:14
1.35MB
1
深度学习在医学图像分割中应用，武星，，医学图像分割是图像分割的一个重要领域，它在图像中自动分割出感兴趣的区域方面扮演着及其重要的角色。由于人体的器官组织是可发
2021-12-21 22:29:36
424KB
1
基于交互式Graph Cuts的图像分割方法局限性分析，李居朋，陈通，利用交互式Graph Cuts算法进行医学图像分割是一种新的思路，能够通过用户输入的交互式信息快速而准确的分割出图像中感兴趣的目标。��
2021-12-17 14:27:20
571KB
1