CVPR 2017精彩论文解读：综合使用多形态核磁共振数据的3D生物医学图像分割方法

本篇文章1185字，读完约3分钟

雷科技回顾:2017年计算机视觉盛会——cvpr已经落下帷幕。《雷科技评论》收录的许多现场演讲和论文报道也让读者对今年的cvpr有了一些直观的感受。

这篇论文的故事继续与cvpr 2017中的783篇论文进行比较。即使获奖论文和行业内大公司的论文最近被雷锋选中。(公开号码:雷锋。com)具有一定的特点和代表性，它们仍然只是沧海一粟。其余的收录论文仍有很大的价值等待我们去探索。在生物医学图像、三维视觉、运动跟踪、场景理解和视频分析方面有许多新的研究。

为此，我们继续邀请怡园智能的刘凯博士解读多篇生物医学影像论文，并继续进行之前最好的论文直播活动，从8月1日开始陆续阅读了四篇不同的论文。这是四篇文章中的第二篇。

刘凯博士是怡园智能的总裁和联合创始人。他拥有香港浸会大学博士学位。他曾是联想(香港)的研究员和腾讯的高级工程师。半个月前，怡园智能的团队刚刚从阿里举行的天池爱医大赛的2887支参赛队伍中脱颖而出，以优异成绩获得第二名。

最佳论文现场讲座# 04分享论文:“三维生物医学分割的联合序列学习和跨模态卷积？？ゥ

时间:8月4日(星期五)20: 00

地点:人工智能研究会微信群

论文简介

刘凯博士将为我们讲解的第二篇生物医学图像论文是“用于3D生物医学分割的联合序列学习和跨模态卷积”。它主要解决三维生物医学图像分割中的一个重要问题:如何利用多种形式的磁共振数据进行区域分割。

简介:深度学习模型如深度卷积神经网络已广泛应用于三维生物医学分割任务，并取得了优异的性能。目前，大多数三维医学图像分割方法只使用一种形式或者将多种形式叠加到不同的通道中。为了更好地平衡多模态的应用需求，本文提出了一种包含交叉模态卷积层的深度编解码结构，用于融合核磁共振的不同模态，二维切片序列采用卷积lstm建模，多模态卷积和lstm网络相结合实现端到端学习。为了防止收敛到特定的类，本文采用了权重策略和两阶段训练来处理类的不均匀性。基于brats-2015数据集的实验结果表明，该方法优于目前顶尖的生物医学分割方法。

观看现场直播或添加群组长按，通过手机识别或扫描下面的二维码，进入人工智能研究所微信交流群(公开号码:okweiwu)。8月4日(星期五)晚上8点，活动将准时开始！

关于2017年cvpr学术内容的报告还没有结束。请继续关注雷锋的《人工智能科技评论》的后续文章。

相关文章:

今年最激动人心的研究，2017年cvpr六篇最佳论文介绍(包下载)| 2017年cvpr

主动学习:减少深度学习时间的解决方案，空，经济成本| |cvpr 2017

解读cvpr 2017精彩论文:主动增量学习，显著降低模型培训成本

解读cvpr 2017最佳论文作者:登塞内的“什么”、“为什么”和“如何”“| CVPR 2017”

雷锋原创文章。严禁擅自转载。详情请参考转载说明。