-
Applicaiton Required M11-M16_持續性學習結合自我標註資料之物體偵測模型
Update frequency Irregular Page view 1307 Downloads 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... -
Applicaiton Required H11-M14_持續性學習之影像分割模型
Update frequency Irregular Page view 1594 Downloads 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... -
Applicaiton Required H11-M06_考慮到例外分佈的病理影像標註品質評估技術
Update frequency Irregular Page view 2655 Downloads 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... -
Applicaiton Required H11-M05_基於不精確標註資料的弱監督式病理影像切割模型
Update frequency Irregular Page view 3397 Downloads 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... -
Applicaiton Required H11-M32_肝組織脂肪變性細胞偵測模型
Update frequency Irregular Page view 2079 Downloads 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。 -
Applicaiton Required H11-M08_漸進式資料標註更正的自主學習模型
Update frequency Irregular Page view 2236 Downloads 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... -
Applicaiton Required H11-M07_任務導向的資料擴增技術
Update frequency Irregular Page view 2760 Downloads 21Method... -
Applicaiton Required H11-M22_半監督式深度學習方法之分割方法
Update frequency Irregular Page view 868 Downloads 0このデータセットには説明がありません
-
Applicaiton Required H11-M31_肝組織免疫染色價數評估模型
Update frequency Irregular Page view 1475 Downloads 101.肝臟組織HBsAg免疫組織化學染色價數評估。 2.肝臟組織HBcAg免疫組織化學染色價數評估。 -
Applicaiton Required H11-M26_基於用戶回饋資訊之分散式動態訓練策略
Update frequency Irregular Page view 1565 Downloads 5Abstract Federated learning provides a decentralized learning without data exchange. Among them, the Federated Average (FedAVG) framework is the most likely to be implemented in... -
Applicaiton Required H11-M03_強韌型(Robust)學習模型
Update frequency Irregular Page view 2165 Downloads 3基於DISCO: https://arxiv.org/abs/2212.05630 的抗數位梯度攻擊影像資料模型，利用逆向Project Gradient Descent (PGD)資料 & PGD攻擊資料訓練DISCO模型，使得模型純化能力提升，提升下游模型強韌性。 資料集: CIFAR-10, CIFAR-100:... -
Applicaiton Required H11-D01_幽門部位內視鏡影像病理資料
Update frequency Irregular Page view 3300 Downloads 4Description 此資料集適用於半監督式深度學習方法，目的在部分標註資料情況下，學習一個可靠的AI模型，降低人工標註之成本。 Acknowledgements This work was supported in part by the National Science and Technology Council, Taiwan under... -
Applicaiton Required H11-D04_肝病患者肝臟病理影像資料
Update frequency Irregular Page view 1223 Downloads 41.NAFLD(非酒精性脂肪肝病)患者肝臟切片掃描資料 2.慢性B肝患者肝臟切片掃描資料 -
Applicaiton Required H11-MXX_MODEL NAME
Update frequency Irregular Page view 1647 Downloads 0Method TODO: Description of the method Usage TODO: model usage Release Note v1.X.X, YYYY/MM/DD, XXXXXX Citation TODO: Citation information Acknowledgements This work was...