-
需申請審核 H11-M107_Domain generalization for pathology image segmentation
更新頻率 不定期 瀏覽次數 1902 下載次數 4使用特徵解偶和自適應實例歸一 化重構的域一般性分割模型，以最小化語義信息損失來解開特徵，以提升域一般性分割模型的準確度 -
需申請審核 H11-M13_持續性學習之物體偵測模型
更新頻率 不定期 瀏覽次數 1916 下載次數 3Method 由於現有的病理影像資料集常是以實例分割的方式提供，為了達成更好的持續學習物件偵測效果，本方法於持續學習步驟中每次分為兩階段，於第一階段，先利用現有的持續學習語意分割方法SSUL, NeurIPS 2021生成語意分割先驗知識，再於第二階段以此先驗知識為額外輸入協助達成更好的持續學習物件偵測結果。 Usage 能用於持續性學習之細胞偵測模型... -
需申請審核 H11-M104_基於多任務一致性之半監督肝腫瘤區域分割模型
更新頻率 不定期 瀏覽次數 1345 下載次數 3使用半監督式學習訓練之肝臟腫瘤分割模型，利用多任務一致性正規化強化模型擷取影像特徵能力，以提升辨識準確性與Robustness -
需申請審核 H11-M114_CSFT
更新頻率 不定期 瀏覽次數 3148 下載次數 5Histopathological images provide the medical evidences to help the disease diagnosis. However, manually reviewing these images by pathologists is very time consuming. Moreover,... -
需申請審核 H11-M23_弱監督式深度學習方法之分割方法
更新頻率 不定期 瀏覽次數 1786 下載次數 0Common bile duct (CBD) stones caused diseases are life-threatening. Because CBD stones locate in the distal part of the CBD and have relatively small sizes, detecting CBD stones... -
需申請審核 H11-M115_CCA-MFNet
更新頻率 不定期 瀏覽次數 1702 下載次數 0In this paper, we propose a novel criss-cross attention based multi-level fusion network to segment gastric intestinal metaplasia from narrow-band endoscopic images. Our network... -
需申請審核 H11-M116_ADMM-SRNet 基於 ADMM 與對比特徵之單分類稀疏表示網路
更新頻率 不定期 瀏覽次數 982 下載次數 0Method One-class classification aims to learn one-class models from only in-class training samples. Because of lacking out-of-class samples during training, most conventional... -
需申請審核 H11-M102_在核心針活檢之多染色病理全切片影像之變型配準框架模型
更新頻率 不定期 瀏覽次數 1593 下載次數 10本研究提出了一個核心針活檢組織配準框架。提出的框架主要包括三個主要步驟。 (1）自動去污；（2）通過剛性配準進行初始旋轉和定位；以及（3）變形配準。 -
需申請審核 H11-M101_MSCS: 基於異質模型協作多倍率一致性之半監督病理影像分割模型
更新頻率 不定期 瀏覽次數 1322 下載次數 3使用多倍率半監督式學習訓練之分割模型，以在少量標註資料下提升辨識準確性與模型穩健性 -
需申請審核 H11-M105_ACC-GAN
更新頻率 不定期 瀏覽次數 1375 下載次數 5利用標註一致性引導訓練病理影像的轉換預處理模型保留重要語意特徵，以維持AI模型在不同病理掃描器影像之效能 -
需申請審核 H11-M17_持續性學習結合自我標註資料之影像分割模型
更新頻率 不定期 瀏覽次數 1514 下載次數 0Method 以圖像級標籤為基礎達成語意分割的持續學習，在訓練Transformer的同時讓一部分的模型向CNN學習，結合Transformer及CNN的知識來達成更好的結果。並在持續性學習中同時針對Transformre及CNN做蒸餾式學習，達成持續學習的效果。 Usage 弱監督及持續性學習之細胞分割模型 Release Note v1.0.0,... -
需申請審核 M11-M16_持續性學習結合自我標註資料之物體偵測模型
更新頻率 不定期 瀏覽次數 1307 下載次數 0Method 使用半監督式學習訓練之乳癌物件偵測模型，利用GAN模型自己生成資料集影像，克服原始資料集影像較少的問題，讓偵測模型能有足夠多的訓練資料。再使用前任務的模型標上偽標籤，達成半監督與數據擴增的效果。 Usage 半監督式學習訓練之乳癌物件偵測模型 Release Note v1.0.0, 2023/10/10... -
需申請審核 H11-M14_持續性學習之影像分割模型
更新頻率 不定期 瀏覽次數 1594 下載次數 3Method 為了使細胞實例分割模型具有持續性學習的能力，本方法以兩階段的實例分割模型為框架,加入輸出層級以及特徵層級的知識蒸餾以解決持續性學習裡的災難性遺忘問題,並且以偽標籤方法來解決來解決背景偏移問題，使得模型可以持續學習新資料以及新類別。 Usage 能用於持續性學習之細胞分割模型 Release Note v1.0.0, 2023/07/11... -
需申請審核 H11-M06_考慮到例外分佈的病理影像標註品質評估技術
更新頻率 不定期 瀏覽次數 2655 下載次數 13Method 使用無監督式學習訓練之病理影像異常檢測模型，僅須提供未帶有腫瘤區域的資料來訓練模型，便可協助醫師偵測出病理影像中可能的腫瘤區域。 模型訓練分為兩階段, 第一階段是使用 Self-Supervised Learning 去訓練一個好的 Image Encoder (類似 MoCo) ，第二階段會使用到訓練好的 Encoder... -
需申請審核 H11-M05_基於不精確標註資料的弱監督式病理影像切割模型
更新頻率 不定期 瀏覽次數 3396 下載次數 46Method: 使用多實例學習訓練WSI的分類與切割模型，只需要給定WSI有無包含腫瘤組織資訊即可訓練具有分割與分類效果的模型。 模型訓練分為兩階段, 第一階段是使用 Self-Supervised Learning 去訓練一個好的 embedder，把patch轉為特徵向量 ，第二階段會使用到訓練好的 Aggregator... -
需申請審核 H11-M32_肝組織脂肪變性細胞偵測模型
更新頻率 不定期 瀏覽次數 2078 下載次數 27使用RnB-Unet模型偵測非酒精性脂肪肝之病理切片中的油滴之侯選區域及邊緣機率，以邊緣符合分數BMS篩選出正確之油滴區域，提供數量、面積、面積占比等量化資訊，協助醫師診斷脂肪肝之嚴重程度。 -
需申請審核 H11-M08_漸進式資料標註更正的自主學習模型
更新頻率 不定期 瀏覽次數 2208 下載次數 4Method 最先進的（SOTA）方法通常是通過監督式學習來訓練的，這需要大量的labeled data。由於標記數資料需要大量的人力和時間成本，尤其是那些需要由專家來標記的資料(如醫學相關)，所需要的成本更是難以負擔。Unlabeled data因為不需要標註所以取得相對容易且成本較低，因此如何能有效利用unlabeled...