通过评估免疫组化 ER、PR、HER-2 和 Ki-67 表达水平确定患者治疗方案,但其在不同观察者之间存在显著差异,因此需要基于 ML 帮助病理医师进行乳腺癌常规免疫组化的指标评估。
本文提出了一种基于人类视觉系统(HVS)的改进型简化脉冲耦合神经网络(MSPCNN)图像分割方法用于医学图像处理。该方法根据PCNN和HVS特性成功确定了MSPCNN的刺激输入。
本文旨在开发一个通用的SSL框架,可以处理所有三种问题。本文在现有的 SSL 框架中确定了实现这一目标的两个主要障碍:1)捕捉分布不变特征的弱点;2)未标记数据往往被标记数据压倒,导致训练期间过度拟合标记数据
基于神经元活动特性的脉冲耦合神经网络(PCNN)在图像分割领域具有很大的应用潜力。本文阐述了 PCNN 的内部行为,以展示其图像分割能力。其中有三个重要部分:动态特性、参数设定和复杂 PCNN。进一步,本文系统地提供了 PCNN 的相关分割内容,希望能帮助研究者了解 PCNN 模型的合适分割应用
本文提出了一种直接的方法来缓解这个问题——在一个简单的 Mean Teacher 架构中双向复制粘贴标记和未标记的数据