期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型的研究
被引量：
5
1
作者
叶美华
陈万远
+2 位作者
蔡
博君
金朝汇
何向蕾
《中华病理学杂志》
CAS
CSCD
北大核心
2021年第4期358-362,共5页
目的构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的...
目的构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块,构建分类模型对训练集深度学习并对测试集自动判读,经数据增强和参数迭代优化,统计辅助诊断模型的准确率、灵敏度、特异度、阳性预测值和阴性预测值等评价指标。结果训练集560例含4 926个细胞团的11 164个图像块,测试集140例含977个细胞团的1 402个图像块,选取YOLO网络构建细胞团检测模型,用ResNet50作为分类模型,经过40轮迭代训练,10×倍率下准确率为90.01%,灵敏度89.31%,特异度92.51%,阳性预测值97.70%,阴性预测值70.82%,曲线下面积高达0.97,平均判读时间不足1 s。40×时虽极为灵敏(98.72%)但特异性较差,提示10×放大倍率下辅助诊断模型更为可靠。结论该辅助诊断模型与病理医师水平基本相当,且诊断效率远远超出。可大大提高阅片一致性和效率,降低漏诊率。未来可继续扩大样本量获取更多病变形态,提高准确率,达到临床应用水平。
展开更多
关键词
人工智能
甲状腺疾病
细胞学技术
原文传递
基于大视场反卷积的天文图像叠加方法
2
作者
蔡
博君
贾鹏
+1 位作者
孙荣煜
王伟男
《天文学报》
CSCD
北大核心
2019年第1期40-54,共15页
地基望远镜在成像过程中,由于受大气湍流、望远镜静态像差、跟踪误差、指向误差及视场变化的影响,不同视场区域的PSF (Point Spread Function)具有差异;同时,不同望远镜获取的图像PSF也存在差异.将多个望远镜获取的星象直接叠加至相同...
地基望远镜在成像过程中,由于受大气湍流、望远镜静态像差、跟踪误差、指向误差及视场变化的影响,不同视场区域的PSF (Point Spread Function)具有差异;同时,不同望远镜获取的图像PSF也存在差异.将多个望远镜获取的星象直接叠加至相同的区域后,图像质量受像质最差的望远镜限制,最终观测分辨率和灵敏度均会受到影响.通过图像复原,可以提高图像质量,进而提高叠加效果.根据该思路提出了1种基于PSF分区的迭代图像复原方法:该方法首先通过SOM (Self-organizing Maps)对PSF进行聚类分析,利用同类别PSF的平均PSF进行反卷积,再将反卷积结果按PSF聚类结果分割为不同大小的子图,最后将子图进行拼接.图像复原在提高图像质量的同时,降低了PSF不一致性对图像叠加带来的影响.将几个望远镜在同一时刻获取的图像经反卷积处理之后利用图像配准算法进行矫正并叠加,可获得高信噪比图像.对实际望远镜获取的数据处理后的结果表明:图像在进行复原和叠加过程中,星象目标信噪比不断提升,提高了成像系统对暗星的探测能力.
展开更多
关键词
天文技术:图像处理
望远镜
大气效应
下载PDF
职称材料
题名
基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型的研究
被引量：
5
1
作者
叶美华
陈万远
蔡
博君
金朝汇
何向蕾
机构
杭州医学院附属人民医院浙江省人民医院病理科
浙江同花顺智能科技有限公司
出处
《中华病理学杂志》
CAS
CSCD
北大核心
2021年第4期358-362,共5页
基金
浙江省自然科学基金(浙江省基础公益研究计划项目)(LGF21H160031)。
文摘
目的构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块,构建分类模型对训练集深度学习并对测试集自动判读,经数据增强和参数迭代优化,统计辅助诊断模型的准确率、灵敏度、特异度、阳性预测值和阴性预测值等评价指标。结果训练集560例含4 926个细胞团的11 164个图像块,测试集140例含977个细胞团的1 402个图像块,选取YOLO网络构建细胞团检测模型,用ResNet50作为分类模型,经过40轮迭代训练,10×倍率下准确率为90.01%,灵敏度89.31%,特异度92.51%,阳性预测值97.70%,阴性预测值70.82%,曲线下面积高达0.97,平均判读时间不足1 s。40×时虽极为灵敏(98.72%)但特异性较差,提示10×放大倍率下辅助诊断模型更为可靠。结论该辅助诊断模型与病理医师水平基本相当,且诊断效率远远超出。可大大提高阅片一致性和效率,降低漏诊率。未来可继续扩大样本量获取更多病变形态,提高准确率,达到临床应用水平。
关键词
人工智能
甲状腺疾病
细胞学技术
Keywords
Artificial intelligence
Thyroid diseases
Cytological techniques
分类号
R736.1 [医药卫生—肿瘤]
原文传递
题名
基于大视场反卷积的天文图像叠加方法
2
作者
蔡
博君
贾鹏
孙荣煜
王伟男
机构
太原理工大学物理与光电工程学院
Department of Physics Durham University
中国科学院紫金山天文台
出处
《天文学报》
CSCD
北大核心
2019年第1期40-54,共15页
基金
国家自然科学基金项目(11503018
U1631133)
山西省高等学校科技创新项目(2016033)
文摘
地基望远镜在成像过程中,由于受大气湍流、望远镜静态像差、跟踪误差、指向误差及视场变化的影响,不同视场区域的PSF (Point Spread Function)具有差异;同时,不同望远镜获取的图像PSF也存在差异.将多个望远镜获取的星象直接叠加至相同的区域后,图像质量受像质最差的望远镜限制,最终观测分辨率和灵敏度均会受到影响.通过图像复原,可以提高图像质量,进而提高叠加效果.根据该思路提出了1种基于PSF分区的迭代图像复原方法:该方法首先通过SOM (Self-organizing Maps)对PSF进行聚类分析,利用同类别PSF的平均PSF进行反卷积,再将反卷积结果按PSF聚类结果分割为不同大小的子图,最后将子图进行拼接.图像复原在提高图像质量的同时,降低了PSF不一致性对图像叠加带来的影响.将几个望远镜在同一时刻获取的图像经反卷积处理之后利用图像配准算法进行矫正并叠加,可获得高信噪比图像.对实际望远镜获取的数据处理后的结果表明:图像在进行复原和叠加过程中,星象目标信噪比不断提升,提高了成像系统对暗星的探测能力.
关键词
天文技术:图像处理
望远镜
大气效应
Keywords
techniques:image processing
telescopes
atmospheric effects
分类号
P111 [天文地球—天文学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型的研究
叶美华
陈万远
蔡
博君
金朝汇
何向蕾
《中华病理学杂志》
CAS
CSCD
北大核心
2021
5
原文传递
2
基于大视场反卷积的天文图像叠加方法
蔡
博君
贾鹏
孙荣煜
王伟男
《天文学报》
CSCD
北大核心
2019
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
