U-net引用将破九万，稳坐医学图像分割王座！

人工智能在医疗领域的交叉应用，如今成为最热门的研究方向之一，医学图像与深度学习技术的结合，在图像分类、检测、分割等任务中，创新成果不断，并以医学图像分割为首， 2015年提出的UNet网络，至今十年，仍是顶会顶刊或医学挑战赛，必不可少的改进基础， 今年大火的Mamba、KAN、xLSTM，基于 UNet优化后的架构，也屡次刷新了SOTA！

为了帮助大家掌握 UNet及 具体改进 ide a ，研梦非凡于 7月18日（周四） ，邀请了 手握多篇SCI一作、MICCAI'22挑战赛获奖 的崔导师，独家分享最新成果 《医学图像之气道树分割基于 UNet 创新》（AI前沿直播课NO.55） ，从肺部气道分割赛道切入，分析临床背景、面临挑战，再到气道分割技术路线，并重点讲解方法创新点，最后详解实验结果、模型部署， 1节课高起点入门医学图像分割及 UNet 改进！

凡预约即可免费领取 UNet（改进）30篇精选论文+其他方法10篇+ATM'22挑战赛综述 +文末还有算力等科研福利！

直播课内容概览

00 临床背景

1. 气道分割的概念
2. 基于CT的精确分割
3. 气道树模 型在支气管镜导航系统中的应用

01 面临的挑战

1. 过分割；断裂、破损；严重类内不平衡
2. 原因分析

• 训练数据无法有效覆盖所有小气道分支
• 一般分割模型及损失函数，面对复杂的气道树拓扑结构，存在明显的局限性

02 气道树分割技术路线

1. 肺部CT数据来源及构建
2. 训练数据、数据采 样模块、分割模型、自适应权重损失函数等流程

03 气道树数据采样策略

1. 骨架采样策略
2. 小 气道分支采样策略

04 气道树分割模型架构（重建拓扑结构）

1. Co nvB lock结构
2. ATUNet模型
3. Multi- Spatial Excitation（SE）等组成

05 自适应权重的Dice

1. 位于较粗的气道vs位于较细的气道
2. 权重分配原则、公式
3. 自适应权重的卷积核大小优选
4. Loss值计算公式

06 实验结果

1. 采用的评估指标：BD（分支检测率)、TD（树长检测率）、Dice和Precision
2. ATM22数据集
3. 基于不同方法的对比实验
4. 基于不同组件的消融实验
5. 模型部署

• Pytorch构建训练模型
• Onnx简化模型结构
• Onnx Runtime加速推理

07 总结与讨论

1. FP（假正例）主要分为两类
2. FN（假负例）的分布
3. 定性的讨论

导师介绍

崔导师

【研究经历】现任医疗上市公司高级算法研究员，主要研究方向为，医学影像分析、多模态医学影像大模型、深度学习、机器学习等。

【科研成果】 近年发表数十篇相关学术论文，其中， SCI论文7篇，授权发明专利两项，获MICCAI2022挑战赛第二名， 并担任PhysicsinMedicineandBiology(PMB)和IEEEAccess期刊审稿人，学生论文指导经验十分丰富。

直播福利

参加本次直播的同学都将获得 1小时导师meeting的福利（助教+导师）！ 原价2999， 限时福利价 9.9元 ！ 活动时间为7月18日到7月31日。

ps：研梦非凡开设的前沿论文系列直播，旨在帮助大家提升读论文技能，快速抓住重点，掌握有效方法，进而找到创新点，轻松完成论文报告。

凡预约即可免费领取 UNet（改进）30篇精选论文+其他方法10篇+ATM'22挑战赛综述 +文末还有算力等科研福利！

研梦非凡科研论文指导

研梦非凡可指导的研究方向

主流方向科研论文常用方法

研梦非凡现有idea

👇🏻 扫码找助教了解更多/验证自己的idea是否可行

研梦非凡科研论文指导方案