医学图像笔记（四）医学图像分割

传统图像分割算法：graphcut、growcut、grabcut、、、
基于深度学习的分割算法：

1、医学图像分割的开源工具

nnUNet
MONAI

2、其他分割

2.1、3D VNet

2.2、PE-VNet

3、医学图像数据集

3.1、百度AI studio 数据集

医学影像数据集集锦

3.2、Github上哈佛 beamandrew机器学习和医学影像研究者贡献的数据集

beamandrew/medical-data（这是Github上哈佛 beamandrew机器学习和医学影像研究者贡献的数据集，包括了医学影像数据、竞赛数据、来自电子健康记录的数据、医疗数据、UCI数据集、生物医学文献等。）
方法模型
Medical Image Segmentation subtasks

4、医学图像分割优质开源代码

Swin-Unet：Unet形状的纯Transformer的医学图像分割

Bidirectional Projection Network for Cross Dimension Scene Understanding

Paper(Oral): https://arxiv.org/abs/2103.14326
Code: https://github.com/wbhu/BPNet
Semantic Segmentation for Real Point Cloud Scenes via Bilateral Augmentation and Adaptive Fusion

Paper: https://arxiv.org/abs/2103.07074
Code: https://github.com/ShiQiu0419/BAAF-Net
Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation

Paper: https://arxiv.org/abs/2011.10033
Code: https://github.com/xinge008/Cylinder3D
Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges

Homepage: https://github.com/QingyongHu/SensatUrban
Paper: http://arxiv.org/abs/2009.03137
Code: https://github.com/QingyongHu/SensatUrban
Dataset: https://github.com/QingyongHu/SensatUrban

参考：3D语义分割(3D Semantic Segmentation)
参考：医学图像分割优质开源代码v