Cross-Modality Deep Feature Learning for Brain Tumor Segmentation跨通道深度特征学习在脑肿瘤分割中的应用Published : Pattern Recognition 2021论文：https://arxiv.org/abs/2201.02356代码：  机器学习和数字医学图像的流行，为利用深度卷积神经网络解决具有挑战性的脑肿瘤分割(

TransBTSV2: Wider Instead of Deeper Transformer for Medical Image SegmentationTransBTSV2:用于医学图像分割的宽Transformer代替深Transformer

[深度学习论文笔记] A Two-Stage Cascade Model with Variational Autoencoders and Attention Gates for MRI Brain Tumor Segmentation磁共振脑肿瘤分割的变分自动编码器和注意门两阶段级联模型论文：https://arxiv.org/abs/2011.02881代码：https://github.c

U型网络大合集

UCTransNet:从transformer的通道角度重新思考U-Net中的跳跃连接

FunASR离线文件转写服务GPU版摘要 FunASR是集语音识别（ASR）、端点检测（VAD）、标点恢复等功能于一体的开源工具包，支持长音频转写、多路并发处理，输出带时间戳和标点的文本。GPU版本通过Docker部署，推荐配置为8核V100/32G内存，支持20路并行请求。服务端集成预训练模型（如Paraformer），提供Python/C++/Java等多语言客户端，支持热词定制与ITN处理。

HNF-Netv2 for Brain Tumor Segmentation using multi-modal MR Imaging使用多模态MR成像分割脑肿瘤的HNF-Netv2Published : Jan 2022

自动分割对于胶质瘤患者的脑肿瘤诊断、疾病预后和后续治疗至关重要。然而，由于扫描仪和成像协议的多样性，在多模态MRI中准确检测胶质瘤及其子区域是非常具有挑战性的。

3D AGSE-VNet: An Automatic Brain Tumor MRI Data Segmentation Framework3D-AGSE-VNet：一种自动脑肿瘤MRI数据分割框架Published: Jul 2021Abstract by BMC Medical Imaging论文：https://arxiv.org/abs/2107.12046摘要：  脑胶质瘤是最常见的脑恶

[论文解读] UNet++: A Nested U-Net Architecture for Medical Image Segmentation（UNet++：一种用于医学图像分割的嵌套U-Net结构）Unet论文：https://arxiv.org/pdf/1807.10165Unet源代码：https://github.com/MrGiovanni/UNetPlusPlus发表：2018 D