医学图像分割

SAM应用：医学图像和视频中的任何内容分割中的基准测试与部署医学图像和视频中的任何内容分割：基准测试与部署关键字：SAM、分割一切基础模型、医学图像、视频、多模态最近医学分割模型发展迅速，基于SAM的医学图像处理得到了进一步的发展。为了追踪医学图像处理的最新进展，我们跟踪了最新的SAM2模型，以及其用于医学图像分割的重要应用。

罗小罗同学

人工智能在肿瘤亚型分类领域的研究进展｜顶刊速递·24-08-13文献日推主题：人工智能在肿瘤亚型分类领域的研究进展昨天晚上在研究鼻咽癌的病理学诊断指南，看到了下面这段话的时候，我问了自己一个问题——通过AI识别出肿瘤亚型的根本目的是什么？可以衔接哪些具体的下游任务？

实现分割自动化！基于SAM的医学图像分割又双叒叕有新突破SAM（Segment Anything Model）是一种先进的图像分割模型，在医学图像分割领域的应用潜力巨大。通过不同的策略和改进，它能够更好地适应医学图像的特点，提高分割的准确性和效率，是论文订刊的新热点之一。

罗小罗同学

MICS2024｜少样本学习、多模态技术以及大语言模型在医学图像处理领域的研究进展｜24-07-14本期推文主题今天的会议很多主题都集中在大模型、多模态这两个方面，很明显，这两个方向都是目前的研究热点。

MICCAI 2024Centerline Boundary Dice Loss for Vascular Segmentation彭成世1, 捷斯·胡1,2, 颜武洋1,2, 齐乐高1, 韦磊1, 马霆1,2,3,4邮箱：tma@hit.edu.cn

风巽·剑染春水

【技术追踪】SDSeg：医学图像的 Stable Diffusion 分割（MICCAI-2024）这医学图像分割领域啊，终究还是被 Stable Diffusion 闯进去了~SDSeg：第一个基于 Stable Diffusion 的 latent 扩散医学图像分割模型，在五个不同医学影像模态的基准数据集上超越了现有的最先进方法~

北方骑马的萝卜

U-Net代码复现--utils dice_score.py本文记录自己的学习过程，内容包括：代码解读：Pytorch-UNet 深度学习编程基础：Pytorch-深度学习（新手友好） UNet论文解读：医学图像分割：U_Net 论文阅读数据：https://hackernoon.com/hacking-gta-v-for-carvana-kaggle-challenge-6d0b7fb4c781

CV计算机视觉每日开源代码Paper with code速览-2023.11.1精华置顶墙裂推荐！小白如何1个月系统学习CV核心知识：链接点击@CV计算机视觉，关注更多CV干货论文已打包，点击进入—>下载界面