본문 바로가기

분류 전체보기

 (7)
MuSiC-ViT: A multi-task Siamese convolutional vision transformer for differentiating change from no-change in follow-up chest radiographs Paper link: https://doi.org/10.1016/j.media.2023.102894 Redirecting linkinghub.elsevier.com 해당 논문 간단 소개 일반적인 임상 환경에서 영상의학과 의사들의 주요 업무 중 하나는 환자 상태의 변화를 확인하기 위해 추적 흉부 방사선 영상(CXR)을 판독하는 것입니다. 후속 CXR에서 의미 있는 변화를 진단하는 것은 오롯이 질병의 변화를 찾아야 하는데 환자의 호흡 패턴 또는 불안정한 자세의 변화 때문에 매우 어렵습니다. 그래서 저희는 이전에 촬영한 CXR과 현재 촬영한 CXR의 변화유무를 구별하기 위하여 영상의학과 의사의 인지과정을 모방하기 위해 해부학 일치 모듈(AMM)을 갖춘 Multi-task Siamese CNN ViT (MuSi..
Bone suppression on pediatric chest radiographs via a deep learning-based cascade model https://www.sciencedirect.com/science/article/abs/pii/S0169260722000128 Bone suppression on pediatric chest radiographs via a deep learning-based cascade model Bone suppression images (BSIs) of chest radiographs (CXRs) have been proven to improve diagnosis of pulmonary diseases. To acquire BSIs, dual-energy s… www.sciencedirect.com
CheSS: Chest X-ray pre-trained model via Self-Supervised contrastive learning Paper: https://link.springer.com/article/10.1007/s10278-023-00782-4 Github: https://github.com/mi2rl/CheSS GitHub - mi2rl/CheSS Contribute to mi2rl/CheSS development by creating an account on GitHub. github.com
Transformer Interpretability Beyond Attention Visualization https://arxiv.org/abs/2012.09838 Transformer Interpretability Beyond Attention Visualization Self-attention techniques, and specifically Transformers, are dominating the field of text processing and are becoming increasingly popular in computer vision classification tasks. In order to visualize the parts of the image that led to a certain classifi arxiv.org TL;DR CNN based model과 다르게 Transformer..
Deformable Convolutional Networks https://arxiv.org/abs/1703.06211 Deformable Convolutional Networks Convolutional neural networks (CNNs) are inherently limited to model geometric transformations due to the fixed geometric structures in its building modules. In this work, we introduce two new modules to enhance the transformation modeling capacity of CNNs arxiv.org TL;DR Convolution 연산 시 고정된 크기의 커널을 이용해서 featureextraction 하는 과정이..
Metric learning Metric learning은 다양하게 사용되고 있으며 다음과 같은 application이 있다. ex) Clustering, Ranking, Unsupervised learning, 우선 제목 그대로 metric 이란 무엇인가? metric 이란 두 점 x와 y 간의 거리 함수를 의미한다. 거리 함수를 만족하려면 다음과 같은 네 가지 조건을 만족해야 한다. Non-negativity: $f(x,y) ≥ 0$ Identity of Discernible: $if \ f(x,y) = 0, \ then \ x=y$ Symmetry: $f(x,y) = f(y,x)$ Triangle Inequlity: $f(x,z) ≤ f(x,y) + f(y,z)$ 이러한 거리 함수를 바탕으로 metric learning은 고전..
Hard Negative Mixing for Contrastive Learning https://arxiv.org/abs/2010.01028 Hard Negative Mixing for Contrastive Learning Contrastive learning has become a key component of self-supervised learning approaches for computer vision. By learning to embed two augmented versions of the same image close to each other and to push the embeddings of different images apart, one can trai arxiv.org 1. Introduction Contrastive learning(CL)은 self super..

티스토리툴바