qqrot26142
这家伙很懒，什么也没写
Ta上传的资源 (0)
Detection and Segmentation of Lesion Areas in Chest CT Scans For The Prediction
在本文中，我们比较了胸部CT扫描中用于检测和分割毛玻璃不透明度和固结的模型。这些病变区域通常与常见的肺炎和COVID-19有关。.. 我们使用三种方法训练一个Mask R-CNN模型，以高精度对这些区域进行分割：将这些病变的掩模合并为一个，删除用于合并的掩模，以及分别使用两个掩模。最好的模型使用MS
Lightweight Model For The Prediction of COVID_19Through The Detection And Segme
我们引入了一种轻量级的Mask R-CNN模型，该模型在胸部CT扫描中使用毛玻璃的不透明度和合并来分割区域。该模型使用具有单层特征金字塔网络的截断的ResNet18和ResNet34网络作为骨干网，从而与使用更深层网络的类似解决方案相比，大大减少了参数数量和训练时间。.. 在没有任何数据平衡和操纵的
Single_Shot Lightweight Model For The Detection of Lesions And The Prediction of
我们基于ResNet18和ResNet34主干模型引入基于Mask R-CNN的轻量级模型，该模型可以分割病变并通过一次胸部CT扫描预测COVID-19。该模型需要训练一个小的数据集：分割分支为650张图像，分类分支为3000张图像，并且对21292张图像进行了评估，以在分割测试分割（100张图像）
One Shot Model For The Prediction of COVID_19and Lesions Segmentation In Chest
我们引入了一种模型，该模型可以通过对病变面罩之间的亲和矩阵进行推导，对病变进行分割并通过胸部CT扫描预测COVID-19。该方法的新颖性基于对从图像中提取的病变蒙版特征之间的亲和力的计算。.. 首先，构建一批矢量化病变蒙版。然后，模型学习捕获每个向量中特征之间关系的亲和力矩阵的参数。最后，亲和力表示