info **DenseNet: Densely Connected Convolutional Networks** *Gao Huang, Zhuang Liu, Laurens van der Maaten, Kilian Q. Weinberger* [[paper](https://arxiv.org/abs/1608.06993)] CVPR 2017 구현 깃허브: https://github.com/Ahn-Ssu/model-implementation - DenseNet 입니다. 특별한 내용은 없고, ResNet의 Residual connection( sum skip connection)을 concatenation으로 변경을 한 skip connection을 제안하였습니다. (dense connectivity pattern을 가진..

Info **UNet 3+: A Full-Scale Connected UNet for Medical Image Segmentation** *Huimin Huang, Lanfen Lin, Ruofeng Tong, Hongjie Hu, Qiaowei Zhang, Yutaro Iwamoto, Xianhua Han, Yen-Wei Chen, Jian Wu* [[paper](https://arxiv.org/abs/2004.08790)] ICASSP(IEEE) 2020 - U-Net++와 마찬가지로, U-Net3+ 모델은 Skip connection의 개선을 목표로 두고 설계된 모델이다. 본문에서 저자는 U-Net의 skip connection과 U-Net++의 Skip Pathways (skip connectio..

Info **UNet++: A Nested U-Net Architecture for Medical Image Segmentation** *Zongwei Zhou, Md Mahfuzur Rahman Siddiquee, Nima Tajbakhsh, Jianming Liang* [[paper](https://arxiv.org/abs/1807.10165)] DLMIA 2018 - * 본 논문에 이미 pytorch 구현의 GitHub link를 제공하고 있음. 실제 운용 면에서 더 섬세하게 구현을 해놓으셨기 때문에 이해가 아닌 적용을 목적에 둔 경우 이 글보단 원본 깃허브를 참조하면서 공부하는게 더 낫겠다 싶다. U-Net ++의 핵심은 encoder와 decoder를 연결해주는 skip connection에서 ..

info **Attention U-Net: Learning Where to Look for the Pancreas** *Ozan Oktay, et al.* [[paper](https://arxiv.org/abs/1804.03999)] MIDL 2018 - Attention U-Net 파이토치 구현입니다. 논문을 보고 작성하는데 Gating Signal $g$ 에서 막혀서 시간이 좀 걸렸네요. Attention U-Net Encoder, Decoder, 그리고 AttentionGate (softmax, addtive attention)을 구현했습니다. *Deep supervision은 본문 연구에서 encoder output을 포함하여 stage_outputs들을 모두 segementation map si..

info. **V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation** *Fausto Milletari, Nassir Navab, Seyed-Ahmad Ahmadi* [[paper](https://arxiv.org/abs/1606.04797)] 3DV 2016 V-Net 논문 읽고 구현을 해본 파이토치 버전 코드입니다.Encoder (compression path), Decoder (decompression path), 그리고 dice loss를 구현했습니다. 논문 본문에 있는 모델 설명을 참조했습니다. V-Net 장점 요약 3D 의료 이미지의 효과적인 Segmentation: V-Net 네트워크 아키텍쳐는..

Info **U-Net: Convolutional Networks for Biomedical Image Segmentation** *Olaf Ronneberger, Philipp Fischer, Thomas Brox* [[arXiv]]: https://arxiv.org/abs/1505.04597 MICCAI 2015 - 원래 U-Net에서는 Convolution 연산을 수행할 때 패딩을 넣지 않아서 이미지의 크기가 점진적으로 줄어들지만, 현 시점의 구현에서는 입력 이미지의 크기를 줄일 필요가 없습니다. (오히려 잠재적으로 여러방면에서 손해) 하지만 해당 본문에서는 실제 U-Net 모델을 그대로 재현했습니다. U-Net 특징 매개변수의 효율적인 사용: U-Net 아키텍처는 건너뛰기 연결을 사용하여 인코더와..