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
基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法
被引量：
5
1
作者
胡正平
刘敏华
《中国图象图形学报》
CSCD
北大核心
2011年第2期174-178,共5页
钙化信息是乳腺癌早期诊断的一个重要依据,针对乳腺图像钙化信息受背景组织以及噪声影响而可视性差的问题,提出一种基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法。首先利用形状选择性滤波器提取出潜在非线状钙化信息,将...
钙化信息是乳腺癌早期诊断的一个重要依据,针对乳腺图像钙化信息受背景组织以及噪声影响而可视性差的问题,提出一种基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法。首先利用形状选择性滤波器提取出潜在非线状钙化信息,将钙化图像分为前景和背景区域;然后对背景信息的对比度进行自适应抑制,同时对前景钙化信息进行对比度增强处理,最后达到有选择地实现乳腺钙化图像中关键信息的可视化增强。实验结果表明,该方法可有针对的选择钙化区域进行对比度增强,同时可有效抑制背景图像中血管、组织等正常区域对钙化区域的影响。
展开更多
关键词
图像
增强
形状选择滤波
背景抑制
乳腺
钙化
图像
原文传递
基于卷积神经网络的乳腺癌风险预测研究
2
作者
王怡
房文靖
张中正
《科技创新与应用》
2022年第7期61-63,共3页
文章利用卷积神经网络研究钼靶检查图像,进而对乳腺癌进行良性恶性识别。将DDSM数据库中的540张良性乳腺钼靶钙化图像、554张恶性图像进行随机旋转平移加倍扩充和高斯去噪处理。采用CNN_32/64、Resnet18_32/64和Resnet50_32/64的6个模...
文章利用卷积神经网络研究钼靶检查图像,进而对乳腺癌进行良性恶性识别。将DDSM数据库中的540张良性乳腺钼靶钙化图像、554张恶性图像进行随机旋转平移加倍扩充和高斯去噪处理。采用CNN_32/64、Resnet18_32/64和Resnet50_32/64的6个模型对乳腺钙化图像进行良性、恶性分类。结果显示CNN_64模型效果最优,测试集准确率为99.67%,验证集准确率为62.33%,AUC为59.29%。模型性能较为良好,具有一定的临床实践指导价值。
展开更多
关键词
乳腺
癌
乳腺
钼靶
钙化
图像
CNN
Resnet
深度学习
下载PDF
职称材料
题名
基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法
被引量：
5
1
作者
胡正平
刘敏华
机构
燕山大学信息科学与工程学院
出处
《中国图象图形学报》
CSCD
北大核心
2011年第2期174-178,共5页
基金
国家自然科学基金项目(61071199)
河北省自然科学基金项目(F2008000891
+3 种基金
F2010001297)
博士基金项目(B287)
中国博士后自然科学基金项目(20080440124)
中国博士后特别资助项目(200902356)
文摘
钙化信息是乳腺癌早期诊断的一个重要依据,针对乳腺图像钙化信息受背景组织以及噪声影响而可视性差的问题,提出一种基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法。首先利用形状选择性滤波器提取出潜在非线状钙化信息,将钙化图像分为前景和背景区域;然后对背景信息的对比度进行自适应抑制,同时对前景钙化信息进行对比度增强处理,最后达到有选择地实现乳腺钙化图像中关键信息的可视化增强。实验结果表明,该方法可有针对的选择钙化区域进行对比度增强,同时可有效抑制背景图像中血管、组织等正常区域对钙化区域的影响。
关键词
图像
增强
形状选择滤波
背景抑制
乳腺
钙化
图像
Keywords
image enhancement
shape-selective filter
background suppression
mammograms
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于卷积神经网络的乳腺癌风险预测研究
2
作者
王怡
房文靖
张中正
机构
鲁东大学生命科学学院
鲁东大学数学与统计科学学院
鲁东大学农学院
出处
《科技创新与应用》
2022年第7期61-63,共3页
文摘
文章利用卷积神经网络研究钼靶检查图像,进而对乳腺癌进行良性恶性识别。将DDSM数据库中的540张良性乳腺钼靶钙化图像、554张恶性图像进行随机旋转平移加倍扩充和高斯去噪处理。采用CNN_32/64、Resnet18_32/64和Resnet50_32/64的6个模型对乳腺钙化图像进行良性、恶性分类。结果显示CNN_64模型效果最优,测试集准确率为99.67%,验证集准确率为62.33%,AUC为59.29%。模型性能较为良好,具有一定的临床实践指导价值。
关键词
乳腺
癌
乳腺
钼靶
钙化
图像
CNN
Resnet
深度学习
Keywords
breast cancer
breast calcification image
CNN
Resnet
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法
胡正平
刘敏华
《中国图象图形学报》
CSCD
北大核心
2011
5
原文传递
2
基于卷积神经网络的乳腺癌风险预测研究
王怡
房文靖
张中正
《科技创新与应用》
2022
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
