MICCAI的MyoPS 2020年:秘鲁利马
夏海庄 , 李雷(Lei Li) :
结合多序列心脏磁共振图像的心肌病理分割-第一个挑战,MyoPS 2020,与MICCAI 2020联合举行,秘鲁利马,2020年10月4日,会议记录。 计算机科学课堂讲稿 12554, 施普林格 2020 ,国际标准图书编号 978-3-030-65650-8 卡洛斯·马丁·伊斯拉 , 玛丽亚姆·阿萨迪·阿格博拉吉 , Polyxeni Gkontra公司 , 维克托·M·坎佩罗 , 塞尔吉奥·埃斯卡莱拉 , 卡里姆·莱卡迪尔 :
堆叠BCDU-Net与语义CMR合成:应用于心肌病理分割挑战。 1-16 张建鹏 , 谢玉彤 , 廖志斌 , 约翰·维詹斯 , 永夏 :
EfficientSeg:一种简单但有效的解决心肌病理分割挑战的方法。 17-25 刘燕飞 , 张茂丹 , 七战 , 顾东东 , 刘国才 :
在多序列心脏磁共振上分割心肌瘢痕和水肿的两阶段方法。 26-36 Zhen Zhang先生 , 刘晨雨 , 王斌丁 , 王思涵 , 裴晨浩 , 杨明静 , 黄丽琴 :
多模态病理分割框架:在心脏磁共振图像中的应用。 37-48 翟树伟 , 冉古 , 雷文慧 , 王国泰 :
心肌水肿和疤痕分割使用粗-细框架和加权集成。 49-59 马库斯·安肯布兰德 , 大卫·洛尔 , 劳拉·玛丽亚·施赖伯 :
探索多序列心肌病理分割的集成应用。 60-67 江浩川 , 王成佳 , Agisilaos Chartsias公司 , 沙法塔利斯(Sotirios A.Tsaftaris) :
用于多模式病理切片的Max-Fusion U-Net,具有注意力和动态重采样功能。 68-81 张晓然 , 米歇尔·诺加 , 库马拉德万·普尼塔库马尔 :
基于全自动深度学习的多个心脏MRI序列中正常、梗死和水肿区域的分割。 82-91 李伟生 , 王林红(Linhong Wang) , 盛琴 :
CMS-UNet:利用U形网络在MRI中进行心脏多任务分割。 92-101 Tewodros Weldebirhan Arega公司 , 斯特芬妮·布里奇 :
使用带启动和挤压激发模块的全卷积密度扫描从多序列心脏MRI自动分割心肌瘢痕。 102-117 洪宇 , 森扎(Sen Zha) , 玉宾皇甫 , 陈晨 , 孟鼎 , 李江云 :
用于多序列心脏MR图像分割的双注意U-Net。 118-127 埃利夫·阿图诺克 , 伊尔凯·库兹 :
利用残余U-Net精确分割心肌病理。 128-137 周照(音) , 尼古拉斯·布特里 , 埃罗迪·普巴劳 :
用于心肌病理分割的具有多输出的堆叠和并行U网。 138-145 李飞燕 , 李伟生 :
双路径特征聚合网络结合多层融合用于心肌病理分割和多序列心脏MR。 146-158 马骏(Jun Ma) :
心肌病理分割用补充CMR信息的级联框架。 159-166 柯章(Ke Zhang) , 夏海庄 :
通过多任务学习和深度神经网络识别和标准化心脏MRI定位。 167-176
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)