We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
根据刚才的讨论,我总结了一下主要内容。
层 (channel/slice) 指每张2D的图像,即扫描时的每一层;体帧 (frame/volume) 指由连续的层组成的3D图像。样本有30个体帧,每个体帧有23个层。
box是一个结构体包括:
精度(precision):71.4%,召回(recall):94.6%。平均每个volume检测出128个神经元。
在保证召回率的同时提高精度。
主要改进第2步。
1. 找到一些能够在多个体帧被稳定检测到的True positive神经元,比如说有200个这样的神经元 2. 还是以200个稳定检测的神经元为例,用这些神经元去训练一个200类分类器。 3. 得到200类分类器后,对新的一个体帧来说,假设一共检测到300个神经元,那么可以用匹配的方法将这300个神经元reduce到200个神经元。
针对层之间的漂移,对每个体帧内的相邻层做对齐,将层与层之间的相对移动消除。这样或许可以改进IOU的阈值,提高合并准确性。
The text was updated successfully, but these errors were encountered:
No branches or pull requests
根据刚才的讨论,我总结了一下主要内容。
术语
图像
层 (channel/slice) 指每张2D的图像,即扫描时的每一层;体帧 (frame/volume) 指由连续的层组成的3D图像。样本有30个体帧,每个体帧有23个层。
神经元和框 (box) 标记简述
神经元
框 (box)
box是一个结构体包括:
当前结果
方法
结果
精度(precision):71.4%,召回(recall):94.6%。平均每个volume检测出128个神经元。
改进空间
在保证召回率的同时提高精度。
改进方法
主要改进第2步。
挑选出可以被稳定检测的子集
1. 找到一些能够在多个体帧被稳定检测到的True positive神经元,比如说有200个这样的神经元
2. 还是以200个稳定检测的神经元为例,用这些神经元去训练一个200类分类器。
3. 得到200类分类器后,对新的一个体帧来说,假设一共检测到300个神经元,那么可以用匹配的方法将这300个神经元reduce到200个神经元。
channel-wise 对齐
针对层之间的漂移,对每个体帧内的相邻层做对齐,将层与层之间的相对移动消除。这样或许可以改进IOU的阈值,提高合并准确性。
The text was updated successfully, but these errors were encountered: