1. 圖片說明 ホーム
  2. 組織
  3. 開放式人工智慧病理小組

  • Applicaiton Required H11-M107_Domain generalization for pathology image segmentation

    Update frequency Irregular Page view 1826 Downloads 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

  • Applicaiton Required H11-M13_持續性學習之物體偵測模型

    Update frequency Irregular Page view 1764 Downloads 3
    Method 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...

  • Applicaiton Required H11-M104_基於多任務一致性之半監督肝腫瘤區域分割模型

    Update frequency Irregular Page view 1301 Downloads 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

  • Applicaiton Required H11-M114_CSFT

    Update frequency Irregular Page view 2929 Downloads 5
    Histopathological images provide the medical evidences to help the disease diagnosis. However, manually reviewing these images by pathologists is very time consuming. Moreover,...

  • Applicaiton Required H11-M23_弱監督式深度學習方法之分割方法

    Update frequency Irregular Page view 1703 Downloads 0
    Common 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...

  • Applicaiton Required H11-M115_CCA-MFNet

    Update frequency Irregular Page view 1621 Downloads 0
    In 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...

  • Applicaiton Required H11-M116_ADMM-SRNet 基於 ADMM 與對比特徵之單分類稀疏表示網路

    Update frequency Irregular Page view 937 Downloads 0
    Method 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...

  • Applicaiton Required H11-M113_肝臟纖維分割模型

    Update frequency Irregular Page view 1530 Downloads 5
    主要使用於肝臟纖維分割任務

  • Applicaiton Required H11-M111_基於空間一致性與對比噪聲標註學習的免疫細胞浸潤分割模型

    Update frequency Irregular Page view 1594 Downloads 4
    使用於肝臟發炎細胞之分割任務

  • Applicaiton Required H11-M109_基於課程式學習的完全感知脂肪肝油滴分割模型

    Update frequency Irregular Page view 1571 Downloads 3
    使用課程式學習訓練，提升脂肪肝油滴分割模型對大小型油滴的偵測感知能力

  • Applicaiton Required 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

    Update frequency Irregular Page view 1543 Downloads 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。

  • Applicaiton Required 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

    Update frequency Irregular Page view 1250 Downloads 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

  • Applicaiton Required H11-M105_ACC-GAN

    Update frequency Irregular Page view 1273 Downloads 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

  • Applicaiton Required H11-M17_持續性學習結合自我標註資料之影像分割模型

    Update frequency Irregular Page view 1392 Downloads 0
    Method 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,...

  • 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 1247 Downloads 0
    Method 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 1537 Downloads 3
    Method 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 2605 Downloads 13
    Method 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 3259 Downloads 46
    Method: 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 1997 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 2139 Downloads 4
    Method 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...