Embedded Files
[MONAI-Seg-1] MONAI Segmentation
[MONAI-Seg-1] MONAI Segmentation
學習建議：請先閱讀 [MONAI-Seg-1A]，以了解使用 MONAI 進行醫學影像分割的整體概念。接著依序進行 [MONAI-Seg-1B] 與 [MONAI-Seg-1C]，分別練習 MONAI 在 2D 與 3D 影像分割上的應用。
[MONAI-Seg-1B] 與 [MONAI-Seg-1C] 的第一個檔案是 MONAI Tutorials，建議可先點選 “Open in Colab” 按鈕，直接在 Colab 環境中執行程式。稍微了解程式碼的內容後，可以再進入第二個檔案中進行簡單的練習。
[MONAI-Seg-1B]
2D Segmentation Tutorial・Tutorial・2D Segmentation
[Practice] 2D Segmentation Tutorial・2D Segmentation
[MONAI-Seg-1C]
Spleen 3D Segmentation Tutorial with the MSD Dataset・MONAI Tutorials・3D Segmentation
[Practice] Spleen 3D Segmentation Tutorial with the MSD Dataset・3D Segmentation
[Seg-1] 深度學習與醫學影像分割
[Seg-1] 深度學習與醫學影像分割
[Seg-1A]
影像分割 (Image segmentation) 是一種藉由標記像素點的方式，來找出影像中重要的區域 (例如器官或是腫瘤) 的方法。影像分割可以使原始的影像更容易理解或是分析，有許多的應用。
在這個系列的影片中我們將介紹如何把深度學習應用在影像分割的問題上，並且提供一個實際的範例來演示如何訓練一個醫學影像分割的模型。
[Seg-1B]
nnU-Net 是影像分割上非常廣泛被使用的一個訓練方法，在 U-Net 的基礎之上針前處理的部分進行特殊的操作，使得其在多項任務上表現達到優秀的成效。
這部影片將會介紹 nnU-Net 的操作方法。
Speaker｜王柏川
國立臺灣大學・MeDA Lab
Lecture |
Hands-on |
nnU-Net: The Paradigm of Medical Images Segmentation (Hands-on, for internal use only) [47:10]
[Seg-2] 分割任務的效能評估
[Seg-2] 分割任務的效能評估
Other Resources
Other Resources
Segmentation Models
Survey: Wang, Risheng, et al. "Medical image segmentation using deep learning: A survey." IET Image Processing (2022).
nnU-Net: Isensee, Fabian, et al. "nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation." Nature methods 18.2 (2021): 203-211.
UNETR: Hatamizadeh, Ali, et al. "UNETR: Transformers for 3D medical image segmentation." Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2022.
DiNTS: He, Yufan, et al. "DiNTS: Differentiable neural network topology search for 3d medical image segmentation." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021.
Segmentation Performance Evaluation
"Towards a guideline for evaluation metrics in medical image segmentation", Müller et al. BMC Research Notes (2022) 15:210 (https://doi.org/10.1186/s13104-022-06096-y)
Reference
Page updated
Google Sites
Report abuse