点击上方“CVer”,选择加"星标"置顶
重磅干货,第一时间送达
本文作者:luoxd
https://zhuanlan.zhihu.com/p/277425371
本文已由原作者授权,不得擅自二次转载
先放链接,极速尝试SSL4MIS
https://github.com/HiLab-git/SSL4MIS
近年来,CNN在医学图像分割领域取得了统治级的地位,nnUNet及其各种魔改版本几乎霸占了各大比赛的leaderboard,但大多医学图像分割任务一直因为标注数量太少而饱受诟病。目前大多研究集中于调整网络结构等方面(加各种attention,各种feature fusion),希望在有限的数据上拟合出更加性能强悍的模型,而较少的去利用未标注数据来训练更加鲁棒和泛化性更好的模型(在临床场景下海量的未标注原始数据被保留在数据中心中,医生没有时间和精力对其大规模标注,只有少量数据会被标注用于临床或算法研究)。如何缓解标注图像数量太少,未标注数量太多和有效利用未标注的原始数据等问题,已然成为了医学图像分割发展的主要矛盾。
近两年来,尤其是今年,这个问题被越来越多的研究者所注意,据不完全统计MICCAI2020有十来篇文章致力于解决这样的问题。在阅读这些文章的过程中发现:不同的文章有不同的实验设置,不同的数据集,对比了不同的方法,得出了不同的结论,因此建立基准数据集和算法库方便大家快速开发和验证算法,避免重复造轮子和浪费大量的时间去复现已有算法变得越发重要。针对这样一些问题,我们尝试基于一些医学图像比赛的公开数据集搭建一个平台方便大家去开展自己的研究。目前我们基于UNet (Efficient-UNet)和3D-UNet等常用网络结构,ACDC,BraTS等开源数据集,Mean Teacher、Entropy Minimization、Deep Adversarial Networks、Uncertainty Aware Mean Teacher、Interpolation Consistency Training 等公开半监督算法搭建了一个简单的半监督医学图像分割的baseline。具体内容如下:
论文总结
我们在这个repo中总结了最新的半监督医学图像分割算法,及其代码,方便大家追踪和快速尝试。此外,该项目也会持续更新,及时的将最新的算法添加在该列表中。
2. 常用半监督算法实现
我们通过阅读一些最新的论文发现,现有的最新研究方法都喜欢和这些经典算法做一个对比,为了方便后续研究者的持续研究,在这个repo中我们也实现/整理了这些算法,可以直接训练测试和评价。
3. 快速上手
为了方便大家快速上手,我们提供了开箱即用的例子(2D和3D),只需要从我们提供的百度云盘中下载我们处理好的数据,就可以快速进行算法训练和测试,也可以根据自己的需求进行修改和重构。
4 总结
我们希望能在未来提供更多有用的算法(未来两三个月争取实现十种左右开箱即用的算法)和更多数据集的示例,并提供我们训练好的pre-trained models和测试结果,努力将这个项目搭建成医学图像半监督分割的benchmark,为更多的研究者通过方便,也希望大家能去尝试并指出存在的问题、给予我们反馈、和提供宝贵的意见和建议。
Reference
(1)所有相关论文、数据集请参考以下链接:
https://github.com/HiLab-git/SSL4MIS
(2)感谢各位开源代码的作者[Mean Teacher、Entropy Minimization、Uncertainty Aware Mean Teacher、Interpolation Consistency Training],在这里我主要是起到了搬运工和小裁缝的作用,感谢大家!
下载2:CVPR / ECCV 2020开源代码
在CVer公众号后台回复:CVPR2020,即可下载CVPR 2020代码开源的论文合集
在CVer公众号后台回复:ECCV2020,即可下载ECCV 2020代码开源的论文合集
重磅!CVer-医疗影像交流群成立
扫码添加CVer助手,可申请加入CVer-医疗影像 微信交流群
同时也可申请加入CVer大群和细分方向技术群,细分方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注:研究方向+地点+学校/公司+昵称(如医疗影像+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲长按加微信群
▲长按关注CVer公众号
整理不易,请给CVer点赞和在看!