Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >USenhance2023——2023 年超声图像增强挑战赛

USenhance2023——2023 年超声图像增强挑战赛

作者头像
医学处理分析专家
发布于 2023-08-17 01:23:18
发布于 2023-08-17 01:23:18
7282
举报

今天将分享低质量超声图像生成高质量超声图像的完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、USenhance2023介绍

超声成像常用于辅助疾病诊断和治疗,具有无创性优势。最近,医学超声显示出从医院昂贵的大型机器到更广泛使用的经济型手持设备的前景。障碍在于,由于硬件限制,使用手持设备进行超声检查存在成像质量低的缺点。为此,超声图像增强提供了一种潜在的低成本解决方案。使用计算机算法从低质量图像恢复高质量图像将免除硬件改进的要求,并促进超声设备革命和更广泛的应用。

二、USenhance2023任务

从低质量图像重建高质量超声图像。

三、USenhance2023数据集

提供五个器官的各种超声数据,包括甲状腺、颈动脉、肝脏、乳房和肾脏,来自109名患者的总共3000张超声图像(1500 对低质量和高质量图像)。

评价指标:(峰值信噪比)PSNR,(结构相似性)SSIM,(局部归一化互相关)LNCC,(使用预训练分割模型在增强图像上进行病变分割 Dice)Dice,(用于处理一张图像的平均秒数)运行时间。

四、技术路线

1、分析超声图像可以看到低质量图像和高质量图像不具有空间位置一一对应的关系,采用GAN网络的生成器将低质量图像生成高质量图,然后再通过判别器来区分真实高质量图像和生成高质量图像。

2、由于超声图像是灰度图像所以对低质量和高质量图像都进行0-1范围归一化处理即可。然后将数据分成训练集和验证集。

3、搭建WGAN网络,生成器网络采用Vnet2d,判别器网络采用VGG8,生成器和判别器都使用Adam优化器,学习率是0.0001,batchsize是32,epoch是600,损失函数是采用对抗损失即生成器要求判别网络对生成的图像趋向于真,而判别器要求判别网络能够区分真实图像和生成图像,也就是真实图像趋向于真,生成图像趋向于假。

4、训练结果和验证结果

5、验证集部分生成结果

左图是低质量图像,中间是生成的高质量图像,右边是真实高质量图像。

6、测试集部分生成结果

左图是低质量图像,右图是生成的高质量图像。

如果大家觉得这个项目还不错,希望大家给个Star并Fork,可以让更多的人学习。如果有任何问题,随时给我留言我会及时回复的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2023-08-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 最新医学影像技术 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
2 条评论
热度
最新
有机会合作吗?
有机会合作吗?
回复回复点赞举报
大佬,代码和数据集可以提供一下吗
大佬,代码和数据集可以提供一下吗
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
USenhance2023——2023 年超声图像增强挑战赛改进版
今天将分享低质量超声图像生成高质量超声图像的CycleGAN完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2023/10/06
9250
USenhance2023——2023 年超声图像增强挑战赛改进版
DENTEX2023——全景 X 线牙科计数和诊断挑战赛
今天将分享全景 X 线牙科计数和诊断完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2023/09/20
8530
DENTEX2023——全景 X 线牙科计数和诊断挑战赛
IUGC2024——产时超声检查挑战赛
今天将分享产时超声检查挑战赛完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024/05/14
4020
IUGC2024——产时超声检查挑战赛
DRAC2022——糖尿病视网膜病变分析挑战赛
糖尿病视网膜病变是导致失明的主要原因之一,影响约 78% 的人,糖尿病病史为 15 年或更长时间。DR 经常导致脉管系统结构的逐渐变化并导致异常。DR 是通过目视检查视网膜眼底图像是否存在视网膜病变来诊断的,例如微动脉瘤 (MA)、视网膜内微血管异常 (IRMA)、非灌注区和新生血管。这些病变的检测对于 DR 的诊断至关重要。 已经有一些工作使用眼底图像进行 DR 诊断 。随着越来越受欢迎,OCT 血管造影 (OCTA) 能够在微血管水平上非常详细地显示视网膜和脉络膜血管系统 。特别地,扫描源 (SS)-OCTA 还允许对脉络膜脉管系统进行单独评估。已经有一些工作使用 SS-OCTA 对糖尿病视网膜病变的定性特征进行分级。此外,超宽光学相干断层扫描血管造影成像 (UW-OCTA) 模式显示典型 OCTA 未捕获的视网膜周边病理负担较高。一些作品已经在 DR 分析中使用了 UW-OCTA 。传统的DR分级诊断主要依靠眼底照相和FFA,尤其是PDR,严重危害视力健康。FA主要用于检测有无新生血管。眼底摄影很难发现早期或小的新生血管病变。FA 是一种侵入性眼底成像,不能用于过敏、怀孕或肝肾功能不佳的患者。超宽OCTA可以无创检测DR新生血管的变化,是帮助眼科医生诊断PDR的重要成像方式。但是,目前还没有能够使用 UW-OCTA 进行自动 DR 分析的作品。在DR分析过程中,首先需要对UW-OCTA的图像质量进行评估,选择成像质量较好的图像。然后进行DR分析,例如病变分割和PDR检测。因此,构建灵活、鲁棒的模型以实现图像质量自动评估、病灶分割和 PDR 检测至关重要。为了促进机器学习和深度学习算法在UW-OCTA图像自动图像质量评估、病灶分割和PDR检测中的应用,促进相应技术在DR临床诊断中的应用,提供了一个标准化的超宽(扫描源)光学相干断层扫描血管造影(UW-OCTA)数据集,用于测试各种算法的有效性。有了这个数据集,不同的算法可以测试它们的性能并与其他算法进行公平的比较,并促进相应技术在DR临床诊断中的应用,提供标准化的超宽(扫描源)光学相干断层扫描血管造影(UW-OCTA)数据集,用于测试各种算法的有效性。
医学处理分析专家
2022/12/19
1.3K1
DRAC2022——糖尿病视网膜病变分析挑战赛
TN3K2021——超声甲状腺结节和甲状腺区域分割
今天将分享超声甲状腺结节和甲状腺区域分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024/01/02
1.2K0
TN3K2021——超声甲状腺结节和甲状腺区域分割
基于深度学习的图像增强综述
这篇博客主要介绍之前看过的一些图像增强的论文,针对普通的图像,比如手机拍摄的那种,比低光照图像增强任务更简单。
3D视觉工坊
2021/05/18
2.3K0
基于深度学习的图像增强综述
基于深度学习的图像增强综述
图像增强的定义非常广泛,一般来说,图像增强是有目的地强调图像的整体或局部特性,例如改善图像的颜色、亮度和对比度等,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,提高图像的视觉效果。传统的图像增强已经被研究了很长时间,现有的方法可大致分为三类,空域方法是直接对像素值进行处理,如直方图均衡,伽马变换;频域方法是在某种变换域内操作,如小波变换;混合域方法是结合空域和频域的一些方法。传统的方法一般比较简单且速度比较快,但是没有考虑到图像中的上下文信息等,所以取得效果不是很好。 近年来,卷积神经网络在很多低层次的计算机视觉任务中取得了巨大突破,包括图像超分辨、去模糊、去雾、去噪、图像增强等。对比于传统方法,基于CNN的一些方法极大地改善了图像增强的质量。现有的方法大多是有监督的学习,对于一张原始图像和一张目标图像,学习它们之间的映射关系,来得到增强后的图像。但是这样的数据集比较少,很多都是人为调整的,因此需要自监督或弱监督的方法来解决这一问题。本文介绍了近年来比较经典的图像增强模型,并分析其优缺点。
Natalia_ljq
2020/06/03
6.7K0
基于深度学习的图像增强综述
OCELOT2023——基于细胞-组织关系的细胞检测挑战赛
组织学图像中的细胞检测是计算病理学中最重要的任务之一。OCELOT数据集为从H&E 染色的多个器官获取的图像提供了重叠的细胞和组织注释。OCELOT表明,了解周围组织结构和单个细胞之间的关系可以提高细胞检测性能。依据OCELOT 数据集,举办了 OCELOT 2023:细胞-组织相互作用的细胞检测挑战赛,以促进如何利用细胞-组织关系更好地进行细胞检测的研究。与典型的细胞检测挑战不同,参与者可以利用组织块和注释来提高细胞检测性能。
医学处理分析专家
2024/02/23
1990
OCELOT2023——基于细胞-组织关系的细胞检测挑战赛
MDFR :基于人脸图像复原和人脸转正联合模型的人脸识别方法
在现实生活中,许多因素可能会影响人脸识别系统的识别性能,例如大姿势,不良光照,低分辨率,模糊和噪声等。为了应对这些挑战,之前的人脸识别方法通常先把低质量的人脸图像恢复成高质量人脸图像,然后进行人脸识别。然而,这些方法大多是阶段性的,并不是解决人脸识别的最优方案。
AI科技评论
2021/08/24
1.6K0
MDFR :基于人脸图像复原和人脸转正联合模型的人脸识别方法
KiTS2023——肾脏和肾脏肿瘤分割挑战赛
今天将分享肾脏和肾脏肿瘤分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2023/08/17
1.4K1
KiTS2023——肾脏和肾脏肿瘤分割挑战赛
Regional_wall_motion_abnormality_echo2023——超声心动图局部室壁运动分割
一、Regional_wall_motion_abnormality_echo2023介绍
医学处理分析专家
2024/03/22
1700
Regional_wall_motion_abnormality_echo2023——超声心动图局部室壁运动分割
RAVIR2022——视网膜动脉和静脉分割和定量分析挑战赛
今天将分享眼底动静脉分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2022/12/19
1.4K0
RAVIR2022——视网膜动脉和静脉分割和定量分析挑战赛
kaggle挑战赛——超声乳腺癌分割
今天将分享乳腺癌超声分割实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2022/08/20
2K1
kaggle挑战赛——超声乳腺癌分割
cardiacUDC2023——超声心动图视频四腔室分割
超声心动图是一种非侵入性诊断工具,可以观察心脏的所有结构。它可以捕获心脏运动和功能的动态信息,使其成为心脏形态和功能分析的安全且经济高效的选择。心脏结构的准确分割,例如左心室 (LV)、右心室 (RV)、左心房 (LA) 和右心房 (RA),对于确定重要的心脏功能参数(例如射血分数和心肌)至关重要的。这些参数可以帮助医生识别心脏病、规划治疗和监测进展。因此,开发一种超声心动图视频的自动结构分割方法具有重要意义。
医学处理分析专家
2024/03/21
7100
cardiacUDC2023——超声心动图视频四腔室分割
CAS2023——脑动脉分割挑战赛
中风是全世界死亡的主要原因之一。缺血性中风的主要病因是脑血管疾病,其特征在于脑血管系统疾病,例如动脉狭窄和闭塞。准确评估脑血管疾病对于脑血管疾病的诊断、治疗和干预具有重要意义。磁共振血管造影(MRA)广泛用于可视化脑动脉树以进行疾病诊断。MRA准确的脑动脉分割对于脑血管疾病的定量分析,如估计管腔狭窄程度具有重要意义。然而,考虑到脑动脉网络复杂、个体间差异很大,并且由于血流缓慢或平面内血流导致小血管信号较弱,即使对于专家来说,手动分割也具有挑战性。飞行时间 (TOF) MRA 是最广泛使用的非侵入性成像技术,无需使用造影剂即可描绘脑血管树的解剖结构。
医学处理分析专家
2024/03/21
4980
CAS2023——脑动脉分割挑战赛
TDSC-ABUS2023——2023 年自动化 3D 乳腺超声 (ABUS) 的肿瘤检测、分割和分类挑战
乳腺癌是全世界女性最常见的死亡原因之一。早期发现有助于减少死亡人数。自动化 3D 乳房超声是一种较新的乳房筛查方法,与手持式乳房 X 光检查相比具有许多优点,例如安全性、速度和更高的乳腺癌检出率。因此,它可能在未来几年内风靡全球。
医学处理分析专家
2023/08/17
9400
TDSC-ABUS2023——2023 年自动化 3D 乳腺超声 (ABUS) 的肿瘤检测、分割和分类挑战
CuRIOUS2022——超声脑肿瘤分割挑战赛
早期脑肿瘤切除可有效提高患者的生存率。然而,由于重力、给药、颅内压变化和组织切除等因素,术中脑组织移位通常会严重影响切除质量和安全性。这种组织移位可以使术前图像中显示的手术目标和重要结构(例如,血管)移位,而这些移位在外科医生的视野中可能不直接可见。术中超声 (iUS) 是一种强大且相对便宜的技术,用于跟踪术中组织移位和手术工具。iUS 中脑组织分割的自动算法,特别是脑肿瘤和切除腔,可以极大地促进通过图像配准进行脑移位校正的鲁棒性和准确性,并且可以轻松解释 iUS。这有可能改善手术结果和患者存活率。
医学处理分析专家
2022/12/19
6532
CuRIOUS2022——超声脑肿瘤分割挑战赛
PENGWIN2024——骨盆骨碎片与损伤分割挑战之X-Ray骨盆碎片分割
今天将分享骨盆骨碎片与损伤分割挑战之X-Ray骨盆碎片分割完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2024/07/01
2552
PENGWIN2024——骨盆骨碎片与损伤分割挑战之X-Ray骨盆碎片分割
文本生成图像工作简述4--扩散模型、自回归模型、生成对抗网络的对比调研
基于近年来图像处理和语言理解方面的技术突破,融合图像和文本处理的多模态任务获得了广泛的关注并取得了显著成功。
中杯可乐多加冰
2024/04/21
1.9K0
BraTS2023-PED——BraTS2023儿科肿瘤分割挑战赛
今天将分享BraTS2023儿科肿瘤分割挑战赛完整实现版本,为了方便大家学习理解整个流程,将整个流程步骤进行了整理,并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
医学处理分析专家
2023/11/30
6310
BraTS2023-PED——BraTS2023儿科肿瘤分割挑战赛
推荐阅读
相关推荐
USenhance2023——2023 年超声图像增强挑战赛改进版
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档