點擊下方卡片，關(guān)注“CVer”公眾號

AI/CV重磅干貨，第一時間送達

點擊進入—>【醫(yī)學(xué)圖像分割】微信交流群

被催了很久，CVer 正式開啟 CVPR 2023 論文大盤點系列！Amusi?一共搜集了13篇醫(yī)學(xué)圖像分割論文，這應(yīng)該是目前各平臺上最新最全面的CVPR 2023?醫(yī)學(xué)圖像分割盤點資料。其中半監(jiān)督占據(jù)5篇！截止目前10篇論文的代碼鏈接已放出（不代表已開源）！

如果你想知道最新、高質(zhì)量的 AI 論文、實戰(zhàn)項目、數(shù)據(jù)集還有入門綜述和大量學(xué)習(xí)資料，歡迎加入CVer計算機視覺知識星球！每天不間斷更新，希望對你有所幫助！掃描下方二維碼，即可加入學(xué)習(xí)！

關(guān)于更多CVPR 2023的論文和開源代碼，可見下面鏈接：

https://github.com/amusi/CVPR2023-Papers-with-Code

CVPR 2023?醫(yī)學(xué)圖像分割論文（13篇）

1. 無標記肝臟腫瘤分割

• Label-Free Liver Tumor Segmentation

• 單位：華中科大, 港中大(深圳), JHU, 南京醫(yī)科大學(xué)第一附屬醫(yī)院

• Paper: https://arxiv.org/abs/2303.14869
  

• Code: https://github.com/MrGiovanni/SyntheticTumors

一句話總結(jié)：本文提出了一種合成肝臟腫瘤的有效策略，代碼已開源！

2. DconnNet：基于定向連通性的醫(yī)學(xué)圖像分割

• Directional Connectivity-based Segmentation of Medical Images

• 單位：杜克大學(xué)

• Paper: https://arxiv.org/abs/2304.00145

• Code: https://github.com/Zyun-Y/DconnNet

一句話總結(jié)：DconnNet：一種用于醫(yī)學(xué)圖像分割的新型定向連通性建模網(wǎng)絡(luò)，核心思想是從共享隱空間中分離出定向子空間，并使用提取的定向特征來增強整體數(shù)據(jù)表示，性能表現(xiàn)出色！優(yōu)于nnU-Net等網(wǎng)絡(luò)，代碼已開源！

3. BCP：用于半監(jiān)督醫(yī)學(xué)圖像分割的雙向復(fù)制粘貼

• Bidirectional Copy-Paste for Semi-Supervised Medical Image Segmentation

• 單位：華東師范大學(xué), 上海交通大學(xué)
  

• Paper: https://arxiv.org/abs/2305.00673
  

• Code: https://github.com/DeepMed-Lab-ECNU/BCP

一句話總結(jié)：本文提出了用于半監(jiān)督醫(yī)學(xué)圖像分割的雙向復(fù)制粘貼（BCP）方法，簡單高效！可顯著提升現(xiàn)有分割模型性能，如助力SS-Net網(wǎng)絡(luò)漲點，代碼已開源！

4. 真實世界醫(yī)學(xué)圖像分割和分布外定位的Mask Transformers?

• Devil is in the Queries: Advancing Mask Transformers for Real-world Medical Image Segmentation and Out-of-Distribution Localization

• 單位：阿里, 北大, 廣東省人民醫(yī)院, 盛京醫(yī)院等

• Paper: https://arxiv.org/abs/2304.00212
  

• Code: None
  

一句話總結(jié)：據(jù)稱，這是第一個探索醫(yī)學(xué)圖像分割中的近OOD檢測和定位問題的工作，其中提出MaxQuery網(wǎng)絡(luò)和QD loss，性能表現(xiàn)SOTA！

5. FedCE：基于客戶端貢獻估計的公平聯(lián)邦醫(yī)學(xué)圖像分割

• Fair Federated Medical Image Segmentation via Client Contribution Estimation
  

• 單位：港中大, NVIDIA

• Paper: https://arxiv.org/abs/2303.16520

• Code: https://github.com/NVIDIA/NVFlare/tree/dev/research/fed-ce

一句話總結(jié)：FedCE：一種新的醫(yī)學(xué)圖像分割聯(lián)邦學(xué)習(xí)方法，其使用客戶端貢獻估計作為全局模型聚合權(quán)重，在兩個真實世界的醫(yī)學(xué)數(shù)據(jù)集上進行實證評估，具有顯著的性能改進、更好的協(xié)作公平性、更好的性能公平性。

6. 基于擴散模型的Ambiguous醫(yī)學(xué)圖像分割

• Ambiguous Medical Image Segmentation using Diffusion Models

• 單位：JHU, 不列顛哥倫比亞大學(xué)
  

• Homepage: https://aimansnigdha.github.io/cimd/

• Paper: https://arxiv.org/abs/2304.04745

• Code: https://github.com/aimansnigdha/Ambiguous-Medical-Image-Segmentation-using-Diffusion-Models

一句話總結(jié)：在三種不同的醫(yī)學(xué)圖像模態(tài)(CT、超聲和MRI)上驗證了有效性，還提出一種新的指標來評估分割預(yù)測的多樣性和準確性，這符合集體見解的臨床實踐，代碼已開源！

7. 正交標注有利于Barely監(jiān)督的醫(yī)學(xué)圖像分割

• Orthogonal Annotation Benefits Barely-supervised Medical Image Segmentation

• 單位：南京大學(xué)(史穎歡團隊), 東南大學(xué), 山東女子學(xué)院
  

• Paper: https://arxiv.org/abs/2303.13090

• Code: https://github.com/HengCai-NJU/DeSCO

一句話總結(jié)：本文提出一種用于3D醫(yī)學(xué)圖像分割的新注釋方式：正交標注，即為一個volume標記兩個正交切片，大大減輕了標注的負擔(dān)，并提出DeSCO：密集稀疏聯(lián)合訓(xùn)練范式，分割性能表現(xiàn)出色！

8. MagicNet：Magic-Cube分區(qū)和恢復(fù)的半監(jiān)督多器官分割

• MagicNet: Semi-Supervised Multi-Organ Segmentation via Magic-Cube Partition and Recovery

• 單位：華東師范大學(xué), 上海交大, 港大
  

• Paper: https://arxiv.org/abs/2301.01767

• Code: https://github.com/DeepMed-Lab-ECNU/MagicNet

一句話總結(jié)：在兩個公共CT多器官數(shù)據(jù)集上證明了MagicNet的有效性，顯著優(yōu)于最先進的半監(jiān)督醫(yī)學(xué)圖像分割方法，在具有10%標記圖像的MACT數(shù)據(jù)集上DSC改進了+7%

9. MCF：用于半監(jiān)督醫(yī)學(xué)圖像分割的互校正框架

• MCF: Mutual Correction Framework for Semi-Supervised Medical Image Segmentation

• 單位：重慶郵電大學(xué)
  

• Paper: https://openaccess.thecvf.com/content/CVPR2023/html/Wang_MCF_Mutual_Correction_Framework_for_Semi-Supervised_Medical_Image_Segmentation_CVPR_2023_paper.html
  

• Code: https://github.com/WYC-321/MCF

一句話總結(jié)：本文探討了模型bias 校正的問題，并提出一種用于半監(jiān)督醫(yī)學(xué)圖像分割的新框架：MCF，性能表現(xiàn)出色！

10. 重新思考小樣本醫(yī)學(xué)分割：一種矢量量化的角度

• Rethinking Few-Shot Medical Segmentation: A Vector Quantization View

• 單位：北京理工大學(xué)
  

• Paper: https://openaccess.thecvf.com/content/CVPR2023/html/Huang_Rethinking_Few-Shot_Medical_Segmentation_A_Vector_Quantization_View_CVPR_2023_paper.html

• Code: None

一句話總結(jié)：VQ框架在腹部、心臟和前列腺MRI數(shù)據(jù)集上產(chǎn)生了最先進的性能，并預(yù)計這項工作將引發(fā)對當(dāng)前小樣本醫(yī)學(xué)分割模型設(shè)計的重新思考。

11. 用于半監(jiān)督醫(yī)學(xué)圖像分割的偽標簽引導(dǎo)的對比學(xué)習(xí)

• Pseudo-label Guided Contrastive Learning for Semi-supervised Medical Image Segmentation

• 單位：石溪大學(xué)
  

• Paper: https://openaccess.thecvf.com/content/CVPR2023/html/Basak_Pseudo-Label_Guided_Contrastive_Learning_for_Semi-Supervised_Medical_Image_Segmentation_CVPR_2023_paper.html

• Code: https://github.com/hritam-98/PatchCL-MedSeg

一句話總結(jié)：據(jù)作者稱，這是首次嘗試使用一致性正則化和偽標簽在半監(jiān)督環(huán)境中集成對比學(xué)習(xí)，用于半監(jiān)督醫(yī)學(xué)圖像分割，性能表現(xiàn)出色，代碼已開源！

12. SDC-UDA：跨模態(tài)醫(yī)學(xué)圖像分割的Volumetric無監(jiān)督域自適應(yīng)框架

• SDC-UDA: Volumetric Unsupervised Domain Adaptation Framework for Slice-Direction Continuous Cross-Modality Medical Image Segmentation

• 單位：延世大學(xué), Naver AI Lab, 哈佛醫(yī)學(xué)院等
  

• Paper: https://arxiv.org/abs/2305.11012

• Code: None

一句話總結(jié)：SDC-UDA：一種用于切片方向連續(xù)跨模態(tài)醫(yī)學(xué)圖像分割的新Volumetric 無監(jiān)督域自適應(yīng)框架，并在多個公共數(shù)據(jù)集上驗證了其有效性，實現(xiàn)了最先進的分割性能。

13. DoNet：用于細胞學(xué)實例分割的深度去重疊網(wǎng)絡(luò)

• DoNet: Deep De-overlapping Network for Cytology Instance Segmentation

• 單位：港科大, 騰訊 AI Lab
  

• Paper: https://arxiv.org/abs/2303.14373

• Code: https://github.com/DeepDoNet/DoNet

一句話總結(jié)：DoNet：一種用于細胞實例分割的基于分解和重組策略中去重疊網(wǎng)絡(luò)，在ISBI2014和CPS數(shù)據(jù)集上性能表現(xiàn)SOTA！

如果你想知道最新、高質(zhì)量的 AI 論文、實戰(zhàn)項目、數(shù)據(jù)集還有入門綜述和大量學(xué)習(xí)資料，歡迎加入CVer計算機視覺知識星球！每天不間斷更新，希望對你有所幫助！掃描下方二維碼，即可加入學(xué)習(xí)！

上面13篇醫(yī)學(xué)圖像分割論文和論文下載
CVer后臺回復(fù)：CVPR2023，即可下載論文和代碼

醫(yī)學(xué)圖像和圖像分割交流群成立

掃描下方二維碼，或者添加微信：CVer333，即可添加CVer小助手微信，便可申請加入CVer-醫(yī)學(xué)圖像或者圖像分割?微信交流群。另外其他垂直方向已涵蓋：目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態(tài)估計、超分辨率、SLAM、醫(yī)療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學(xué)習(xí)、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風(fēng)格遷移、遙感圖像、行為識別、視頻理解、圖像融合、圖像檢索、論文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要備注：研究方向+地點+學(xué)校/公司+昵稱（如醫(yī)學(xué)圖像或者圖像分割+上海+上交+卡卡），根據(jù)格式備注，可更快被通過且邀請進群

▲掃碼或加微信號: CVer333，進交流群
CVer計算機視覺（知識星球）來了！想要了解最新最快最好的CV/DL/AI論文速遞、優(yōu)質(zhì)實戰(zhàn)項目、AI行業(yè)前沿、從入門到精通學(xué)習(xí)教程等資料，歡迎掃描下方二維碼，加入CVer計算機視覺，已匯集數(shù)千人！

▲掃碼進星球
▲點擊上方卡片，關(guān)注CVer公眾號

整理不易，請點贊和在看文章來源地址http://www.zghlxwxcb.cn/news/detail-628861.html