- 1今年有想法参加护网的同学必看！！！新手如何参加护网行动！(非常详细)，从零基础入门到精通，看完这一篇就够了！_护网行动如何报名
- 2安装demjson时报错 error in demjson setup command: use_2to3 is invalid
- 3java方向大数据面试题整理
- 4Flutter性能优化—UI_flutter run profile
- 5「AI读书」第三期推荐《AI 3.0》_《ai 3.0》推荐理由
- 6c++ ---------命令行获得和转换文件CommandLineToArgvW和GetCommandLineW()的使用
- 7命名实体识别（Named Entity Recognition，NER）
- 8Spring Boot 经典面试题（八）
- 9[tuxedo]jolt访问tuxedo服务_bea/jolt/session
- 10C++教你如何模拟实现string，如何实现string写时拷贝
【每周CV论文推荐】GAN在医学图像分割中的典型应用
赞
踩
欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
生成对抗网络是一项非常基础的技术，医学图像则是一个非常重要的应用方向，当前GAN在医学图像中陆续也有了一些比较重要的应用，本次我们来简单给大家推荐一些图像分割的工作。
作者&编辑 | 言有三
1 MRI脑部图像分割
最直观的将GAN用于图像分割的思路就是将对抗损失融入图像分割损失，用判别器对分割结果进行判别使其分割结果更加完整，Moeskops等人将其用于MRI脑部图像分割，进行了实验比较。
文章引用量：100+
推荐指数：✦✦✦✦✧
[1] Moeskops P, Veta M, Lafarge M W, et al. Adversarial training and dilated convolutions for brain MRI segmentation[M]//Deep learning in medical image analysis and multimodal learning for clinical decision support. Springer, Cham, 2017: 56-64.
2 X光胸腔图像分割
类似的，Dai等人将基本的对抗学习机制添加到FCN模型中，将其用于X光胸腔图像分割，也提高了基础模型的分割结果完整性。
文章引用量：200+
推荐指数：✦✦✦✦✧
[2] Dai W, Dong N, Wang Z, et al. Scan: Structure correcting adversarial network for organ segmentation in chest x-rays[M]//Deep learning in medical image analysis and multimodal learning for clinical decision support. Springer, Cham, 2018: 263-273.
3 CT超声腹部图像分割
类似的，Yang等人将基本的对抗学习机制添加到编解码模型中，将其用于3D CT腹部图像分割，也提高了基础模型的分割结果完整性。
文章引用量：200+
推荐指数：✦✦✦✦✧
[3] Yang D, Xu D, Zhou S K, et al. Automatic liver segmentation using an adversarial image-to-image network[C]//International conference on medical image computing and computer-assisted intervention. Springer, Cham, 2017: 507-515.
4 显微镜图像分割
有一些医学图像需要在显微镜下观察，目标的尺寸和形状有非常大的差异，Sadanandan等人通过增加对抗机制和像素加权机制，可以获得更加完整平滑的轮廓。
文章引用量：50+
推荐指数：✦✦✦✧✧
[4] Kecheril Sadanandan S, Karlsson J, Wahlby C. Spheroid segmentation using multiscale deep adversarial networks[C]//Proceedings of the IEEE International Conference on Computer Vision Workshops. 2017: 36-41.
[5] Arbelle A, Raviv T R. Microscopy cell segmentation via adversarial neural networks[C]//2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018). IEEE, 2018: 645-648.
5 超声心动图分割
超声图像对比度低，噪声多，分割起来难度很高。Dong等人通过cGAN框架来对3D超声心脏左心室进行分割，取得了较好的速度和精度。
文章引用量：50+
推荐指数：✦✦✦✧✧
[6] Dong S, Luo G, Wang K, et al. VoxelAtlasGAN: 3D left ventricle segmentation on echocardiography with atlas guided generation and voxel-to-voxel discrimination[C]//International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2018: 622-629.
6 如何实战
由于本次推荐的论文与图像分割、图像翻译都有关联，为了帮助大家掌握相关前置知识！我们推出了相关的专栏课程《深度学习之图像分割：理论与实践》，《深度学习之图像翻译GAN：理论与实践》，感兴趣可以进一步阅读：
【视频课】CV必学，超10小时，3大模块，4大案例，循序渐进地搞懂图像分割！
【视频课】CV必学，超7小时，3大模块，3大案例，掌握图像翻译与风格化GAN核心技术！
总结
本次我们介绍了基于GAN的医学图像分割中的典型应用，从事医学相关方向的朋友可以通过阅读这些文章进行初步了解。
有三AI- CV秋季划GAN组
如果想要永久系统性地跟随我们社区学习GAN的相关内容，请关注有三AI-CV秋季划GAN组，阅读了解下文：
【CV秋季划】生成对抗网络GAN有哪些研究和应用，如何循序渐进地学习好（2022年言有三一对一辅导）？
转载文章请后台联系
侵权必究
往期相关精选
