Введение
С 2015 года UNET совершил серьезные прорывы в сегментации медицинского изображения, открыв эру глубокого обучения. Позже исследователи сделали много улучшений на основе UNET, чтобы повысить производительность семантической сегментации.
В этом проекте мы собрали модели семантической сегментации, связанные с UNET ( семейство UNET ) в последние годы. Моя реализация в основном основана на Pytorch , а другие реализации собираются от автора оригинальной бумаги или отличных репозитории. Для протокола этот проект все еще находится в стадии строительства . Если у вас есть какие -либо советы или вопрос, пожалуйста, поднимите проблему или свяжитесь со мной по электронной почте.
Кроме того, почему нейронная сеть UNET хорошо работает в сегментации медицинской изображения? Вы можете выяснить это из моего ответа в Жиху.
Unet-Family
2015
- U-Net: сверточные сети для сегментации биомедицинской изображения (MICCAI) [Paper] [My-Pytorch] [Keras]
2016
- V-Net: Полностью сверточные нейронные сети для объемной сегментации медицинского изображения [Paper] [Caffe] [Pytorch]
- 3D U-Net: Learning плотная объемная сегментация от разреженной аннотации [Paper] [Pytorch]
2017
- H-DenseUnet: гибридный плотно связанный UNET для сегментации печени и опухоли из томов CT (IEEE транзакции на медицинской визуализации) [Paper] [Keras]
- GP-UNET: обнаружение поражения из слабых меток с 3D-регрессионной сетью (MICCAI) [Paper]
2018
- UNET ++: вложенная архитектура U-NET для сегментации медицинского изображения (MICCAI) [Paper] [My-Pytorch] [Keras]
- MDU-NET: многомасштабная плотно связанная U-NET для биомедицинской сегментации изображений [бумага]
- Dunet: деформируемая сеть для сегментации сосудов сетчатки [Paper]
- RA-UNET: гибридная сеть с глубоким вниманием для извлечения печени и опухоли в КТ [бумага]
- Плотная многоплановая U-Net для сегментации ишемического поражения инсульта в множественных методах изображения [Paper]
- Сложные плотные U-сети с двойными трансформаторами для надежного выравнивания лица [бумага]
- Сегментация простаты с использованием 2D-мостового U-Net [Paper]
- NNU-NET: Самоадаптивная структура для сегментации медицинских изображений на основе U-NET [PAPER] [PYTORCH]
- SUNET: Архитектура глубокого обучения для острой сегментации поражения и результата в мультимодальной МРТ [бумага]
- IVD-NET: межпозвоночная локализация и сегментация диска в МРТ с мультимодальным UNET [Paper]
- Laddernet: сети с несколькими путями, основанные на U-Net для сегментации медицинского изображения [Paper] [Pytorch]
- Сегментация глиомы с каскадным UNET [Paper]
- Внимание U-Net: изучение, где искать поджелудочную железу [бумага]
- Рецидивирующая остаточная сверточная нейронная сеть, основанная на U-Net (R2U-Net) для сегментации медицинской изображения [Paper]
- Одновременная пространственная и канал «сжатие и возбуждение» в полностью сверточных сетях [бумага]
- Вероятностная U-сеть для сегментации неоднозначных изображений (NIPS) [Paper] [TensorFlow]
- Anatomynet: глубокое обучение для быстрой и полностью автоматизированной сегментации всего объема анатомии головы и шеи [бумага]
- 3D ROI-AWARE U-NET для точной и эффективной сегментации колоректального рака [бумага] [Pytorch]
- Обнаружение и разграничение острого мозгового инфаркта на DWI с использованием слабо контролируемого машинного обучения (Y-Net) (Miccai) [Paper] (стр. 82)
- Полностью плотный UNET для 2 -й редкой фотоакустической томографии Удаление артефакта [бумага]
2019
- Multiresunet: переосмысление архитектуры U-Net для мультимодальной сегментации биомедицинских изображений [Paper] [Keras]
- U-NetPlus: модифицированная архитектура Encoder-Decoder U-Net для сегментации семантического и экземпляра хирургического инструмента [Paper]
- Карта вероятности направляемой двунаправленной рецидивирующей UNET для сегментации поджелудочной железы [бумага]
- CE-NET: контекстная сеть энкодеров для 2D-сегментации медицинского изображения [Paper] [Pytorch]
- График U-Net [Paper]
- Новая фокальная функция потерь Tversky с улучшенным вниманием U-Net для сегментации поражения (ISBI) [Paper]
- ST-UNET: пространственно-временная U-сеть для моделирования графических временных рядов [Paper]
- Чувствительное внимание к подключению UTE-NET для точной сегментации сосудов сетчатки [бумага]
- CIA-NET: надежная сегментация экземпляра ядер с контуром, агрегацией информации [Paper]
- W-Net: усиленная U-Net для оценки карты плотности [бумага]
- Автоматизированная сегментация легочных доли с использованием координационных глубоких нейронных сетей (пероральный ISBI) [бумага]
- U2-NET: байесовская модель U-Net с эпистемической неопределенностью обратной связи для сегментации слоя фоторецептора при патологическом ОКТ-сканировании [бумага]
- Sclerasegnet: улучшенная модель U-Net с вниманием к точной сегментации Sclera (ICB Достопочтенный упоминание Paper Award) [Paper]
- AHCNET: применение механизма внимания и гибридного соединения для сегментации опухоли печени в объемах КТ [бумага]
- Иерархическая вероятностная U-Net для моделирования многомасштабных неоднозначности [Paper]
- Рецидивирующая U-Net для сегментации, ограниченной ресурсами [Paper]
- MFP-Unet: новый подход, основанный на глубоком обучении для сегментации левого желудочка в эхокардиографии [Paper]
- Частично обратимая U-сегмент U-сегментации памяти объемной объемной образы (MICCAI 2019) [Paper] [Pytorch]
- RESUNET-A: Глубокая структура обучения для семантической сегментации дистанционных данных [Paper]
- Multi-Task U-Net для сегментации с ленивыми этикетками [Paper]
- Раунет: остаточное внимание U-Net для семантической сегментации хирургических инструментов катаракты [бумага]
- 3D U2-NET: 3D Universal U-NET для многодоменной сегментации медицинских изображений (MICCAI 2019) [Paper] [Pytorch]
- SEGNAS3D: поиск сетевой архитектуры с глобальной оптимизацией без производной для 3D-сегментации изображения (MICCAI 2019) [Paper]
- Трехмерная дилатированная многовобрированная сеть для сегментации опухоли головного мозга в реальном времени в МРТ [Paper] [Pytorch] (Miccai 2019)
- Проблема сдвига доменного сдвига медицинской сегментации изображений и адаптации поставщика с помощью Unet-Gan [Paper]
- Рецидивирующая U-Net для сегментации с ограниченной ресурсами [Paper] (ICCV 2019)
- Сиамский U-Net со здоровым шаблоном для точной сегментации внутричерепного кровоизлияния (Miccai 2019)
2020
- U^2-net: глубже с вложенной U-структурой для обнаружения существенных объектов (распознавание закономерности 2020) [Paper] [Pytorch]
- UNET 3+: полномасштабная подключенная UNET для сегментации медицинского изображения (ICASSP 2020) [Paper] [Pytorch]
Ссылка
- https://github.com/ozan-oktay/attention-gated-networks (наш стиль модели в основном относится к этому репозиторию.)
