{精读文献}医学影像分割前沿论文带读

医学图像分割比较重要的会议

1.基于现有网络骨架或建立新的骨架

2.修改块或提高块，比较流行或比较快出文章

3.做分割时样本数比较少，或者在图像里的占有非常少，可调整损失函数的平衡性，但较难

4.现在迁移学习也比较火

3D net可以用3d卷积做

RNN的LSTM可联系局部和整体，但对数据集要求高

skipe connnection解决skip问题，可以引入transformer等

cascade 2dand 3d （1）.先解决容易的，在解决难度高一点的，从粗到精，例：先做肝的分割，在做肝的增强，再做肝和肿瘤的分离（2）先用目标检测检测出肝，再去分割结果

现在还是基于unet做得多

损失函数一般用交叉熵

U-NET的结构

ResUnet++的结构

随机场的引进可以提高抗干扰，但是计算很慢

计算结果的可视化