Perkenalan
Sejak 2015, UNET telah membuat terobosan besar dalam segmentasi citra medis, membuka era pembelajaran yang mendalam. Para peneliti kemudian telah melakukan banyak perbaikan berdasarkan UNET untuk meningkatkan kinerja segmentasi semantik.
Dalam proyek ini, kami telah menyusun model segmentasi semantik yang terkait dengan UNET ( UNET Family ) dalam beberapa tahun terakhir. Implementasi saya terutama didasarkan pada Pytorch , dan implementasi lainnya dikumpulkan dari penulis Paper Asli atau repositori yang sangat baik. Sebagai catatan, proyek ini masih dalam pembangunan . Jika Anda memiliki saran atau pertanyaan, silakan ajukan masalah atau hubungi saya dari email.
Selain itu, mengapa jaringan saraf yang tidak berkinerja baik dalam segmentasi gambar medis? Anda bisa mencari tahu dari jawaban saya di Zhihu.
Unet-family
2015
- U-net: Jaringan konvolusional untuk segmentasi gambar biomedis (MICCAI) [kertas] [my-pytorch] [keras]
2016
- V-NET: Jaringan saraf yang sepenuhnya konvolusional untuk segmentasi gambar medis volumetrik [kertas] [Caffe] [Pytorch]
- 3D U-Net: Belajar Segmentasi Volumetrik Dense dari Anotasi Jarang [Kertas] [Pytorch]
2017
- H-Denseunet: Hibrida yang terhubung dengan padat Unet untuk segmentasi hati dan tumor dari volume CT (transaksi IEEE pada pencitraan medis) [kertas] [keras]
- GP-UNET: Deteksi lesi dari label lemah dengan jaringan regresi 3D (MICCAI) [kertas]
2018
- UNET ++: Arsitektur U-Net bersarang untuk segmentasi gambar medis (MICCAI) [kertas] [my-pytorch] [keras]
- MDU-NET: Multi-skala U-NET Terhubung Tanah untuk Segmentasi Gambar Biomedis [Kertas]
- Dunet: jaringan yang dapat dideformasi untuk segmentasi pembuluh retina [kertas]
- RA-UNET: jaringan hibrida dalam perhatian-sadar untuk mengekstrak hati dan tumor dalam CT scan [kertas]
- U-Net multi-jalur padat untuk segmentasi lesi stroke iskemik dalam beberapa modalitas gambar [kertas]
- Bertumpuk-padat U-Nets dengan transformer ganda untuk perataan wajah yang kuat [kertas]
- Segmentasi Prostat Menggunakan 2D Bridged U-Net [kertas]
- NNU-NET: Kerangka kerja diri sendiri untuk segmentasi gambar medis berbasis U-Net [kertas] [Pytorch]
- Sunet: Arsitektur Pembelajaran yang mendalam untuk segmentasi lesi stroke akut dan prediksi hasil dalam MRI multimoda [kertas]
- IVD-NET: Lokasisasi dan segmentasi disk intervertebralis dalam MRI dengan [kertas] multi-modal UNET [kertas]
- Laddernet: Jaringan Multi-Path Berdasarkan U-Net untuk Segmentasi Gambar Medis [Kertas] [Pytorch]
- Segmentasi glioma dengan cascade unet [kertas]
- Perhatian U-Net: Belajar di mana mencari pankreas [kertas]
- Jaringan saraf konvolusional residu berulang berdasarkan U-NET (R2U-NET) untuk segmentasi gambar medis [kertas]
- 'Saluran & eksitasi spasial dan saluran bersamaan dalam jaringan sepenuhnya konvolusional [kertas]
- U-net probabilistik untuk segmentasi gambar ambigu (nips) [kertas] [TensorFlow]
- Anatomynet: Pembelajaran mendalam untuk segmentasi seluruh volume seluruh volume dari anatomi kepala dan leher [kertas]
- 3D ROI-AWARE U-NET untuk segmentasi kanker kolorektal yang akurat dan efisien [kertas] [pytorch]
- Deteksi dan penggambaran infark serebral akut pada DWI menggunakan pembelajaran mesin yang diawasi dengan lemah (y-net) (miccai) [kertas] (halaman 82)
- Sepenuhnya padat untuk 2D jarang fotoakustik tomografi artefak penghapusan [kertas]
2019
- Multiresunet: Memikirkan kembali arsitektur U-NET untuk segmentasi gambar biomedis multimodal [kertas] [keras]
- U-Netplus: Arsitektur U-Net Encoder-Decoder yang dimodifikasi untuk segmentasi semantik dan contoh instrumen bedah [kertas]
- Probabilitas Peta Dipandu Dua-Directional Recurrent UNET untuk segmentasi pankreas [kertas]
- CE-NET: Jaringan Encoder Konteks untuk Segmentasi Gambar Medis 2D [kertas] [Pytorch]
- Grafik u-net [kertas]
- Fungsi kehilangan tversky fokus baru dengan peningkatan perhatian U-net untuk segmentasi lesi (ISBI) [kertas]
- ST-UNET: U-Network spatio-temporal untuk pemodelan seri waktu terstruktur [kertas]
- PERHATIAN SENSITIF SENSITIF U-NET UNTUK Segmentasi Pembuluh Retina yang Akurat [Kertas]
- CIA-NET: Segmentasi instan nukleus yang kuat dengan agregasi informasi yang sadar kontur [kertas]
- W-NET: U-NET diperkuat untuk estimasi peta kepadatan [kertas]
- Segmentasi otomatis lobus paru menggunakan jaringan saraf dalam yang dipandu koordinasi (ISBI oral) [kertas]
- U2-net: Model U-Net Bayesian dengan umpan balik ketidakpastian epistemik untuk segmentasi lapisan fotoreseptor dalam pemindaian OCT patologis [kertas]
- Sclerasegnet: Model U-NET yang ditingkatkan dengan perhatian untuk Segmentasi Sklera yang akurat (ICB Honorable Benyebalan kertas) [Kertas]
- AHCNET: Aplikasi mekanisme perhatian dan koneksi hibrida untuk segmentasi tumor hati dalam volume CT [kertas]
- U-net probabilistik hierarkis untuk memodelkan ambiguitas multi-skala [kertas]
- U-NET berulang untuk segmentasi yang dibatasi sumber daya [kertas]
- MFP-UNET: Pendekatan berbasis pembelajaran mendalam baru untuk segmentasi ventrikel kiri dalam ekokardiografi [kertas]
- U-NET sebagian reversibel untuk segmentasi gambar volumetrik yang efisien memori (MICCAI 2019) [kertas] [Pytorch]
- Resunet-A: Kerangka belajar yang mendalam untuk segmentasi semantik dari data penginderaan jarak jauh [kertas]
- U-tugas multi-tugas untuk segmentasi dengan label malas [kertas]
- RAUNET: Residual Attention U-Net untuk segmentasi semantik instrumen bedah katarak [kertas]
- 3D U2-NET: 3D Universal U-Net untuk Segmentasi Gambar Medis Multi-Domain (MICCAI 2019) [Kertas] [Pytorch]
- SEGNAS3D: Pencarian Arsitektur Jaringan dengan optimasi global bebas turunan untuk segmentasi gambar 3D (MICCAI 2019) [kertas]
- Jaringan multi-serat 3D dilatasi untuk segmentasi tumor otak real-time di MRI [kertas] [Pytorch] (MICCAI 2019)
- Masalah pergeseran domain dari segmentasi gambar medis dan adaptasi vendor oleh unet-gan [kertas]
- U-NET berulang untuk segmentasi yang dibatasi sumber daya [kertas] (ICCV 2019)
- Siamese U-Net dengan template sehat untuk segmentasi perdarahan intrakranial yang akurat (MICCAI 2019)
2020
- U^2-net: Lebih dalam dengan struktur U bersarang untuk deteksi objek yang menonjol (pengenalan pola 2020) [kertas] [pytorch]
- UNET 3+: skala penuh yang terhubung UNET untuk segmentasi gambar medis (ICASSP 2020) [kertas] [pytorch]
Referensi
- https://github.com/ozan-oktay/attention-gated-networks (gaya model kami terutama mengacu pada repositori ini.）
