MEDICAL 第4页

生物医学知识库/知识图谱（英文+中文）盘点

因为硕士研究方向是基于知识图谱的中文医学问答系统，所以调研了下现有的生物医学(BioMedical)和医学(Medical)知识库。

duters_cmy·2023-01-10 09:34

基于深度学习的医学图像分析（一）

原文链接：https://medium.com/@taposhdr/medical-image-analysis-with-deep-learning-i-23d518abf531基于深度学习技术对图像和视频进行分析

ACE1985·2023-01-07 10:12

BIBM2019_Fine-tuning BERT for Joint Entity and Relation Extraction in Chinese Medical Text

基于微调BERT的中文医学文本实体关系联合抽取摘要Ⅰ介绍Ⅱ相关工作A.NERB.RCC.实体关系联合抽取Ⅲ方法A.BERT语言模型B.动态范围注意机制C.聚焦注意模型D.联合学习Ⅳ实验A.数据集和评价指标B.实验设置C.实验结果Ⅴ.实验分析A.超参数分析B.消融分析总结论文.摘要实体和关系抽取是构建医学文本的必要步骤。然而，现有模型中双向长短期记忆网络的特征提取能力并没有达到最好的效果。同时，

All in .·2023-01-07 07:40

VoxelMorph: A Learning Framework for Deformable Medical Image Registration论文阅读(图像配准的)

VoxelMorph[vksmɔːf]:ALearningFrameworkforDeformableMedicalImageRegistration一个可变形的医学图像配准的学习框架–深度学习配准的经典方法Abstract亮点：我们通过卷积神经网络(CNN)对函数进行参数化，并在一组图像上优化神经网络的参数。训练策略(损失函数)：在第一种(无监督)设置中，我们训练模型以最大化基于图像强度的标准图

生命苦短必须喜感·2023-01-06 16:56

Deep Learning for Medical Image Segmentation: Tricks, Challenges and Future Directions

文章目录前言1.Abstract&Introduction1.1.Abstract1.2.Introduction2.Preliminaries2.1.Baselines2.2.Datasets3.MethodsandExperiments3.1.Pre-TrainingModel3.2.DataPre-Processing3.3.DataAugmentation3.4.ModelImplemen

zzzyzh·2023-01-05 18:34

w-net: Dual supervised medical image segmentation with multi-dimensional self-attention and diversel

w-net:Dualsupervisedmedicalimagesegmentationwithmulti-dimensionalself-attentionanddiversely-connectedmulti-scaleconvolution发表期刊：Neurocomputing（计算机科学2区）发表时间：2022年Abstract尽管U-Net及其变体在医学图像分割任务中取得了一些巨大的成功

Never_Jiao·2023-01-03 13:07

Medical Dialogue Response Generation with Pivotal Information Recalling翻译

摘要医学对话生成是一项重要但具有挑战性的任务。以前的大多数工作都依赖于注意力机制和大规模预训练的语言模型。但是，由于医疗实体以及它们之间的复杂关系通常散布在多种语句中，这些方法通常无法从长对话历史中获取这些关键信息，从而产生准确和信息丰富的响应。为了减轻此问题，我们提出了一个具有PivotalInformationRecalling(MedPIR)的医疗响应生成模型，该模型建立在两个组件上，即基于

nopSled·2023-01-03 09:51

MONAI（Medical Open Network of AI）环境搭建以及官方例程

MONAI–MedicalOpenNetworkofAI简单介绍官网：https://monai.io/API文档：https://monai.readthedocs.io/en/latest/GitHub：https://github.com/Project-MONAI/MONAIMONAI是一个基于pytorch的深度学习开源框架，主要用于医疗成像领域。它最初是由NVIDIA和伦敦国王学院发起

luoshutu·2023-01-01 17:52

【论文合集】2022年11月医学影像期刊论文合集

IEEETransactionsonMedicalImaging(1区topif11.037)共41篇,MedicalImageAnalysis（1区topif13.828）共47篇.”标题高频词汇('segmentation',15),('medical

sukeee·2022-12-29 02:41

具有循环条件gan的实值(医疗)时间序列生成-2017

REAL-VALUED(MEDICAL)TIMESERIESGENERATIONWITHRECURRENTCONDITIONALGANSABSTRACT生成对抗网络(GANs)作为一种训练模型以产生逼真数据的框架已经取得了显著的成功

爱吃榴莲的妹妹·2022-12-28 08:44

Class-Aware Generative Adversarial Transformers for Medical Image Segmentation-用于医学图像分割的生成对抗网络

目录摘要方法编码器模块分层特征表示Class-AwareTransformer-类感知的Transformer模块Transformer编码器模块解码器模块判别网络损失函数总结摘要1.背景介绍：transformer在医学图像分析领域的建模长距离依赖方面取得了显著的进步。2.现存问题：当前基于transforemr的模型具有以下几个缺点1）由于naivetokens方案导致现有的方法无法捕获重要特

不想敲代码的小杨·2022-12-26 17:06

Class-Aware Generative Adversarial Transformers for Medical Image Segmentation---用于医学图像分割的类感知生成对抗变换

目录摘要现有基于Transformer模型缺点缺点改进办法算法现有的基于变压器的方法所面对的挑战架构类感知Transformer的结构图编码器模块类感知转换器模块改进结论摘要现有基于Transformer模型缺点（1）由于原始的符号化方案，无法捕捉到图像的重要特征；（2）模型只考虑单尺度特征表示，存在信息丢失问题；（3）如果不考虑丰富的语义上下文和解剖纹理，模型生成的分割标签映射不够准确。缺点改进

北在北面·2022-12-26 17:00

UNET 3+: A FULL-SCALE CONNECTED UNET FOR MEDICAL IMAGE SEGMENTATION

UNET3+:AFULL-SCALECONNECTEDUNETFORMEDICALIMAGESEGMENTATIONunet3+：一种用于医学图像分割的全连通UNETarXiv.2004.08790文章地址：https://arxiv.org/abs/2004.08790代码地址：https://github.com/ZJUGiveLab/UNet-Version摘要最近，人们对基于深度学习的

不会声调的博er·2022-12-26 10:47

【Medical & Transformer】论文阅读（极简版），可忽略该篇（写给自己）

复现的代码没看到。Records正常在Transformer中，都是通过线性变化来得到qkv的。下图中的1x1，是因为作者没有用全连接，用的是1x1的卷积，这样做也是可以的。相对位置编码。倘若共有64号，在1号看来，有64个相对编码，2号看来也是有64个相对位置编码。在一开始的时候，是通过随机初始化的方式，往后就是会更新的，相对位置编码是可学习的参数。⨂\bigotimes⨂符号的意思是矩阵乘法。

追光者♂·2022-12-25 18:47

3.翻译和笔记TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation

加粗样式目录翻译摘要1.引言2.所提出的方法图一3.实验与结果图二表一表二表三表四表五表六4.结论笔记原文地址：https://paperswithcode.com/paper/transfuse-fusing-transformers-and-cnns-for翻译摘要医学图像分割-许多的临床需求必备条件-卷积神经网路的最新进展使其得到了显著的发展。但是，它在建模显示远程关系（modelingex

派大星的最爱海绵宝宝·2022-12-23 11:09

Towards Cross-Modality Medical Image Segmentation with Online Mutual Knowledge Distillation论文的研读

TowardsCross-ModalityMedicalImageSegmentationwithOnlineMutualKnowledgeDistillation论文的研读原文出处：英文原文本文主要翻译了摘要引言以及结论部分，方法以及结果部分捡重点进行翻译研读，有不恰当之处，敬请指出！摘要：深度卷积神经网络的成功部分归功于大量注释的训练数据。然而，在实践中，获取医疗数据注释通常是昂贵且耗时的。考

我就是我2333·2022-12-22 10:16

【医学分割】Medical Image Segmentation Using Deep Learning: A Survey

目录概述细节引言监督学习骨干网络网络功能块损失函数弱监督学习数据增广迁移学习交互式分割其他研究热点讨论与展望医学分割数据集评估指标挑战和未来的研究方向概述本文是一篇2020年的医学分割的综述，主要包括了监督学习和弱监督学习，而不包括无监督学习。前者主要包括骨干网络的选择、网络块的设计以及损失函数，后者主要包括数据增广、迁移学习和交互式分割，着重小样本和类别不均衡方面的研究。之后包括一些医学分割常见

可乐大牛·2022-12-22 09:14

CVPR2022:Generalizable Cross-modality Medical Image Segmentation via StyleAugmentation and Dual Norm

CVPR2022:GeneralizableCross-modalityMedicalImageSegmentationviaStyleAugmentationandDualNormalization基于样式增强和双重归一化的通用跨模态医学图像分割0.摘要1.概述2.方法2.1.定义和概述2.2.风格增强模块2.3.双归一化基础网络2.4.基于风格的路径选择2.5.训练细节参考文献论文下载开源代码

HheeFish·2022-12-22 09:37

今日arXiv精选 | TNNLS/ICCV/TIP/ACM MM/CIKM/WWW/ICME

Medical-VLBERT:MedicalVisualLanguageBERTforCOVID-19CTReportGenerationWithAlternateLearningComment:AcceptedbyIEEETransactionsonNeuralNetworksandL

PaperWeekly·2022-12-20 13:41

[Transormer]MT-UNet：Mixed transformer UNet for medical image segmentation

MTUNet:混合Transformer模型用于医学图像分割AbstractSectionIIntroductionSectionIIMethodsPart1OverallStructureDesignPart2MixedTransformerModulePart3Local-GlobalGaussian-WeightSelf-AttentionPart4ExternalAttentionSect

黄小米吖·2022-12-19 13:23

MICCAI 2022 | mmFormer:Multimodal Medical Transformer for Incomplete Multimodal Learning of BTS

MultimodalMedicalTransformerforIncompleteMultimodalLearningofBrainTumorSegmentation摘要从磁共振成像（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

Jorko的浪漫宇宙·2022-12-18 07:45

Semi-supervised medical image segmentation via learning consistency under transformations.

Bortsova,Gerda,etal.“Semi-supervisedmedicalimagesegmentationvialearningconsistencyundertransformations.”InternationalConferenceonMedicalImageComputingandComputer-AssistedIntervention.Springer,Cham,201

爱格白·2022-12-17 22:41

Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation

2021IEEETransactionsonMedicalImaging(TMI)语义分割、医学图像分割论文目录前言一、主要亮点二、理论方法1.ProblemAnalysis1.1twocost-sensitivesettings1.2CertainregionandUncertainregion2.网络框架2.1mainframeworkofCoraNet2.2Certainty-awarePr

LANG_C_·2022-12-17 22:40

【论文精读】Semi-supervised Medical Image Segmentation through Dual-task Consistency

语义分割论文CVPR2021基于双任务一致性的半监督医学图像分割代码：GitHub-HiLab-git/DTC:Semi-supervisedMedicalImageSegmentationthroughDual-taskConsistency目录语义分割论文摘要一、主要亮点二、网络结构1.Dual-taskConsistency2.Semi-supervisedtrainingthroughDu

LANG_C_·2022-12-17 22:10

Bi-Modality Medical Image Synthesis Using Semi-Supervised Sequential Generative Adversarial Networks

Bi-ModalityMedicalImageSynthesisUsingSemi-SupervisedSequentialGenerativeAdversarialNetworks论文阅读中的问题和思考1.有监督的串行GAN网络结构在图示的网络结果中，G1的输入是真实图像编码后的结果，而非直接输入真实图像。这个应该是VAE(VariationalAutoencoder,变分自动编码器)和GAN的

liyiersan123·2022-12-17 22:39

《Semi-supervised Medical Image Segmentation Using Cross-Model Pseudo-Supervision with Shape Awarene》

论文解读《Semi-supervisedMedicalImageSegmentationUsingCross-ModelPseudo-SupervisionwithShapeAwarenessandLocalContextConstraints》《半监督医学图像使用跨模型的分割伪监督与形状意识和局部语义约束》论文地址：论文地址论文出处：MICCAI2022论文代码：代码链接一、摘要：（1）在半监督

渔歌畅晚·2022-12-17 22:08

论文解读《Semi-supervised Contrastive Learning for Label-efficient Medical Image Segmentation》

论文解读《半监督对比学习高效标签的医学图像分割》期刊名：MICCAI2021代码：代码地址论文地址：论文地址一、摘要：1）深度学习在医学图像分割中，依赖标注数据的监督训练。2）生物医学图像的注释需要该领域知识。3）对比学习学习数据（不带标签）有利于隐藏层特征提取。4）预训练处理部分标签信息，监督局部对比损失，相同标签的像素聚集在嵌入空间（embeddingspace）周围。5）计算损失需要像素级的

渔歌畅晚·2022-12-17 22:07

《论文阅读》FocalMix: Semi-Supervised Learning for 3D Medical Image Detection

留个笔记自用FocalMix:Semi-SupervisedLearningfor3DMedicalImageDetection做什么3D医学图像分割，也是传统应用了，就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，图中的一个个橙色和蓝色的框称为锚框，常用不同大小的锚框来进行对目标位置的检测（即每个锚框代表是正样本还是负样本）做了什么目标检测中常见的预测情况下正样本的锚

未知丶丶·2022-12-17 22:06

[论文阅读] Multi-task Attention-Based Semi-supervised Learning for Medical Image Segmentation

[论文地址][代码][MICCAI19]Abstract我们提出了一种新型的半监督图像分割方法，它同时优化了监督分割和无监督重建目标。重建目标使用一种注意力机制，将对应于不同类别的图像区域的重建分开。所提出的方法在两个应用中进行了评估：脑瘤和白质超密集区的分割。我们的方法在未标记的和少量标记的图像上进行训练，其表现优于用相同数量的图像训练的有监督的CNN和在未标记的数据上预训练的CNN。在消融实验

xiongxyowo·2022-12-17 22:36

翻译：Semi-supervised Medical Image Segmentation through Dual-task Consistency

Semi-supervisedMedicalImageSegmentationthroughDual-taskConsistency（基于双任务一致性的半监督医学图像分割）文献：Semi-supervisedMedicalImageSegmentationthroughDual-taskConsistency主题：Semi-supervised、Dual-taskConsistency目录Semi

阿里云小仙女·2022-12-17 22:06

[论文阅读] BoostMIS: Boosting Medical Image Semi-supervised Learning with Adaptive Pseudo Labeling

[论文地址][代码][CVPR22]部分描述可能不准确，详见本文评论区Abstract在本文中，我们提出了一个名为BoostMIS的新型半监督学习(SSL)框架，它结合了自适应伪标签和信息性主动注释，以释放医学图像SSL模型的潜力：(1)BoostMIS可以根据当前的学习状态，自适应地利用集群假设和未标记数据的一致性规范化。这一策略可以自适应地生成由任务模型预测转换而来的单次"硬"标签，以更好地进

xiongxyowo·2022-12-17 22:04

U-Net Transformer: Self and Cross Attention for Medical Image Segmentation

论文：https://arxiv.org/abs/2103.06104主框架还是U-net，大体方向上改变了两个部分encoder和skipencoder：U-net的encoder是基于CNN网络经过卷积和pooling不断去降低分辨率，扩大感受野，将信息从分辨率转换到通道上，提取更高级的encoderfeaturemap.本文在提取encoderfeaturemap之前，增加了selfatte

不秃头不成功·2022-12-15 07:10

[Transformer]U-Net Transformer: Self and Cross Attention for Medical Image Segmentation

UNetTransformer:UNet结合自注意力和交叉注意力用于医学图像分割AbstractSectionIIntroductionSectionIIU-TransformerNetworkSectionIIIExperimentsSectionIVConclusionPaperAbstract对于一些复杂的、低对比度的组织做医学图像分割十分具有挑战性。本文提出一种U-Transformer网

黄小米吖·2022-12-15 07:08

图像分割（三）—— Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation

swin-unetsAbstractIntroductionMethod3.1Architectureoverview3.2SwinTransformerblockAbstract在过去的几年中，卷积神经网络(CNNs)在医学图像分析中取得了里程碑。特别是基于u型结构和跳跃连接的深度神经网络在各种医学图像任务中得到了广泛的应用。然而，CNN虽然取得了优异的性能，但由于卷积操作的局部性，它并不能很好

黑洞是不黑·2022-12-14 06:50

DC-UNet: Rethinking the U-Net Architecture with Dual Channel Efficient CNN for Medical Images Segmen

DC-UNet1MainContribution2Datasets3DataAugment4Initialization5ComparisonRange6Measurementmetric7ResultsofComparison7.1Resultsofinfraredbreastimages7.2Resultsofelectronmicroscopyimage7.3Resultsofendosco

Philo`·2022-12-14 03:04

【论文阅读】Causality matters in medical imaging

医学成像中的因果关系前言IntroductionF1摘要叙述总结CausalitymattersB1PredictiveanalyticsinmedicalimagingCausalityinmedicalimagingF2WorkedclinicalexamplesexamplesdiscussionDatascarcityTacklingdatascarcityviasemi-supervis

Better Rose·2022-12-13 10:26

Causality matters in medical imaging 文献解读

目录CausalitymattersPredictiveanalyticsinmedicalimagingCausalityinmedicalimaging.WorkedclinicalexamplesDatascarcity

编程贝多芬·2022-12-13 10:54

论文解析[3] U-Net and its variants for Medical Image Segmentation : A short review

发表年份：2022论文地址：https://arxiv.org/abs/2204.08470v1文章目录论文概要1.介绍2.方法2.1传统分割2.2U-Net20152.3U-Net++20192.4R2U-Net20182.5AttentionU-Net20182.6TransU-Net20213.Disscussion论文概要本论文是一篇使用U-Net及其变形进行医学图像分割的简短综述，文中给

默_silence·2022-12-09 12:31

最新出炉的U-Net研究性综述：Medical Image Segmentation Review: The Success of U-Net

热乎的MedicalSegmentation综述1文章介绍2前言3U-Net变型4SkipConnectionEnhancements4.1IncreasingtheNumberofSkipConnections4.2ProcessingFeatureMapswithintheSkipConnections4.3CombinationofEncoderandDecoderFeatureMaps5B

Philo`·2022-12-09 12:30

Medical Image Segmentation Review:The Success of U-Net

目录医学图像分割综述：UNet的成功1.摘要与介绍2.分类2.1.2DUnet2.23DUNet3.UNet扩展3.1对于跳跃连接的增强与改进3.1.1--增加跳跃连接数量3.1.2--对跳跃连接过程中的特征进行处理3.1.3--编码器和解码器特征图的组合3.2--主干网络的改进与增强3.2.1--残差主干网络3.2.2--Multi-Resolutionblocks（多分辨率模块）3.2.3--

不想敲代码的小杨·2022-12-09 12:25

LDCT图像重建论文——Eformer: Edge Enhancement based Transformer for Medical Image Denoising

Eformer是进行低剂量CT图像重建的工作，它第一次将Transformer用在医学图像去噪上，值得一读。知乎同名账号同步发布。目录一、架构和贡献二、主要细节2.1，SobelConvolution2.2,下采样和上采样2.3，损失函数三、实验一、架构和贡献和Uformer一样，将LeWinTransformer加入了UNet中，不一样的是将经过SobelConvolution处理的图片conc

umbrellalalalala·2022-12-09 08:32

MedT：用于医学图像分割的Transformer

GatedAxial-AttentionforMedicalImageSegmentation作者单位：JHU,新泽西州立大学代码：https://github.com/jeya-maria-jose/Medical-Transform

Amusi（CVer）·2022-12-09 08:24

paperswithcode 论文阅读与代码复现

https://paperswithcode.com/资源丰富：论文合集丰富【CV、NLP、Medical、TimeSeries…】、数据集丰富、提供论文下载链接和code链接、单篇论文有较细的解析1.

chong墩儿·2022-12-08 13:04

【论文阅读笔记】A review of the deep learning methods for medical images super resolution problems

摘要医疗图像中分辨率的限制来源于：图像采集次数的限制，由于硬件限制导致的低辐射（Lowirradiation）等。这篇综述应该比较基础，从深度学习->超分网络架构->再到医疗图像超分问题的介绍。对于医疗方向的介绍可能较少。论文简介相较于自然图像SR，医疗图像SR需要额外的先验信息才能用于特定应用。医学图像的数据集相对较小且难以收集，尤其是对于临床高分辨率和低分辨率图像对。在文末的时候，

时光机ﾟ·2022-12-08 12:24

《Imaging Systems For Medical Diagnostics》——12. X-ray components and systems (3) X射线组件和系统（3）

《ImagingSystem医学影像》@EnzoReventon《ImagingSystemsForMedicalDiagnostics》——12.X-raycomponentsandsystems——12.2X-rayimagedetectorsx射线图像探测器**12.3.1Staticdetectors静态探测器12.3.2X-rayimageintensifiersx射线图像增强器12.3

EnzoReventon·2022-12-07 18:00

Medical Transformer: GatedAxial-Attention for Medical ImageSegmentation文献学习笔记（有代码）仅供自用

小白一个，只是自己学习使用，有任何问题欢迎大佬指出！！问题所在1.ConvNets中，每个卷积核只关注整个图像中像素的一个局部子集，并迫使网络关注局部模式，而不是全局上下文。缺乏图像中的远程相关性（long-rangedependencies）注：远程相关性，考虑一个像素的时候同时考虑其邻域，甚至是邻域的邻域卷积神经网络中错误的将背景分类为脑室该文所讲1.提出了一种门控位置敏感的轴向注意机制，即使

山河故人938·2022-12-07 13:22

Medical Transformer 论文阅读笔记

这是arxiv上的一篇文章，文章作者：目前用卷积神经网络来做图像分割虽然也能取得一些好效果，然而卷积神经网络无法对长依赖进行建模，虽然后续提出了一些弥补的trick如注意力机制等，仍然无法完全解决这个问题。而transformer以能够建模长依赖著称，几个月前更是有篇用transformer做图像分类的文章横空出世，在大量数据集训练的条件下取得了比卷积神经网络更好的准确率。文章提出了用transf

sysu_first_yasuo·2022-12-07 13:50

METD-Medical Transformer：用于医学图像分割的门控轴向注意力Transformer

目录Title:MedicalTransformer:GatedAxial-AttentionforMedicalImageSegmentation摘要-Abstract本文的提出动机方法-Method网络整体结构图自注意力机制回顾AxialAttention（轴向注意力机制）门控轴向注意力局部-全局训练策略Title:MedicalTransformer:GatedAxial-Attention

不想敲代码的小杨·2022-12-07 13:20

Medical image segmentation

CoTr：基于CNN和Transformer进行3D医学图像分割UNETR:Transformersfor3DMedicalImageSegmentationSwin-unet：用于医学图像分割的类UNET纯transformerTransBTS：基于transformer的多模式脑肿瘤分割TransUNet：变形金刚为医学图像分割提供强大的编码器（transformer进行医学图像分割文章_空想

Fiona_12·2022-12-07 13:48

论文精读:Medical Transformer: Gated Axial-Attention forMedical Image Segmentation

论文地址:https://arxiv.org/pdf/2102.10662.pdf代码地址:GitHub-jeya-maria-jose/Medical-Transformer:OfficialPytorchCodefor"MedicalTransformer

樱花的浪漫·2022-12-07 13:17

推荐频道

MEDICAL