U-net引用将破九万，稳坐医学图像分割王座！
研梦非凡约 4 分钟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idea，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
气道分割的概念 基于CT的精确分割 气道树模型在支气管镜导航系统中的应用
01 面临的挑战
过分割；断裂、破损；严重类内不平衡 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
肺部CT数据来源及构建 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
骨架采样策略 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）
ConvBlock结构 ATUNet模型 Multi-Spatial Excitation（SE）等组成
05 自适应权重的Dice
位于较粗的气道vs位于较细的气道 权重分配原则、公式 自适应权重的卷积核大小优选 Loss值计算公式
06 实验结果
采用的评估指标：BD（分支检测率)、TD（树长检测率）、Dice和Precision ATM22数据集 基于不同方法的对比实验 基于不同组件的消融实验 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
FP（假正例）主要分为两类 FN（假负例）的分布 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