Zobrazeno 1 - 10
of 57
pro vyhledávání: '"He, Along"'
U-Net is currently the most widely used architecture for medical image segmentation. Benefiting from its unique encoder-decoder architecture and skip connections, it can effectively extract features from input images to segment target regions. The co
Externí odkaz:
http://arxiv.org/abs/2409.14676
In medical images, various types of lesions often manifest significant differences in their shape and texture. Accurate medical image segmentation demands deep learning models with robust capabilities in multi-scale and boundary feature learning. How
Externí odkaz:
http://arxiv.org/abs/2406.07952
Limited labeled data hinder the application of deep learning in medical domain. In clinical practice, there are sufficient unlabeled data that are not effectively used, and semi-supervised learning (SSL) is a promising way for leveraging these unlabe
Externí odkaz:
http://arxiv.org/abs/2405.16573
Autor:
Shi, Zhenning, Zheng, Haoshuai, Xu, Chen, Dong, Changsheng, Pan, Bin, Xie, Xueshuo, He, Along, Li, Tao, Fu, Huazhu
Recently, research on denoising diffusion models has expanded its application to the field of image restoration. Traditional diffusion-based image restoration methods utilize degraded images as conditional input to effectively guide the reverse gener
Externí odkaz:
http://arxiv.org/abs/2311.14900
Limited labeled data makes it hard to train models from scratch in medical domain, and an important paradigm is pre-training and then fine-tuning. Large pre-trained models contain rich representations, which can be adapted to downstream medical tasks
Externí odkaz:
http://arxiv.org/abs/2307.09787
Effectively integrating multi-scale information is of considerable significance for the challenging multi-class segmentation of fundus lesions because different lesions vary significantly in scales and shapes. Several methods have been proposed to su
Externí odkaz:
http://arxiv.org/abs/2205.15720
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
European Journal of Personality; Nov2024, Vol. 38 Issue 6, p896-906, 11p
