-
需申請審核 H11-M122_聯邦學習中處理組織病理學資料異質性的染色對齊
更新頻率 不定期 瀏覽次數 263 下載次數 0利用擴散模型將各客戶端的資料分布進行對齊,以降低組織病理學資料的異質性對於聯邦學習的衝擊 -
需申請審核 H11-M121_基於supertoken transformer應用於H&E染色肺臟病理切片之器質性肺纖維化語意分割
更新頻率 不定期 瀏覽次數 274 下載次數 0利用對肺臟器質性肺纖維化之區域進行語意分割,輔助醫師對肺泡中的器質性非纖維壞的區域進行量化,以尋找影響器質性非纖維化痊癒狀況的生物因子。 -
需申請審核 H11-M24_非監督式深度學習方法之協同分割方法
更新頻率 不定期 瀏覽次數 345 下載次數 0使用非監督式學習訓練之病理影像細胞分割模型,利用協同分割與多尺度特徵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-M19_持續性學習於籠統概括標籤之影像分割模型
更新頻率 不定期 瀏覽次數 257 下載次數 0以圖像級標籤為基礎達成語意分割的持續學習,結合了生成模型進行資料擴增來達成更好效果。 -
需申請審核 H11-M18_持續性學習於籠統概括標籤之影像偵測模型
更新頻率 不定期 瀏覽次數 317 下載次數 0使用持續性半監督式學習訓練之自然影像偵測及分割模型,利用雙教師模型與實例回放的方式避免災難性遺忘問題。 -
需申請審核 H11-M107_Domain generalization for pathology image segmentation
更新頻率 不定期 瀏覽次數 1930 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 1935 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-M01_數位病理全玻片影像二元分類器
更新頻率 不定期 瀏覽次數 2827 下載次數 7Abstract we propose, RankMix, a data augmentation method of mixing ranked features in a pair of WSIs. RankMix introduces the concepts of pseudo labeling and ranking in order to... -
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 1357 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 3234 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 1837 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 1721 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...