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
共找到1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：
基于迁移学习与数据增强实现计算机断层扫描图像器官自动分割的实验研究
1
作者 张雨萌 康文迪 +2 位作者 席俊青 池琛 杨正强 《肝癌电子杂志》 2023年第3期52-57,共6页
目的:探讨在机器深度学习中迁移学习在图像软件对实验动物解剖结构的识别、提取和自动分割中的作用,以及数据增强算法对迁移学习能力的影响。方法:在HyVision Ablation Planning V1.0图像软件的平台上,以Efficient Net b1神经网络作为... 目的:探讨在机器深度学习中迁移学习在图像软件对实验动物解剖结构的识别、提取和自动分割中的作用,以及数据增强算法对迁移学习能力的影响。方法:在HyVision Ablation Planning V1.0图像软件的平台上,以Efficient Net b1神经网络作为深度学习的骨干网络。利用51套VX2兔肝癌模型的计算机断层扫描(computed tomography,CT)图像,以数据增强的方式进行迁移学习训练。将图像软件已经具备的人体腹部CT图像上器官的识别、提取与自动分割功能在动物模型上进行重现。比较不同的学习模型和算法模型的Dice系数、归一化表面Dice(normalized surface Dice,NSD)、三维重建的图像质量及与医师标注的动物模型训练集的差异。结果:从有数据增强无迁移学习型的模型到有数据增强有迁移学习型的模型,VX2兔CT图像的器官自动分割Dice系数从0.525提升到0.676,提高了28.76%,NSD从0.448提升到0.616,提高了37.50%。从无数据增强有迁移学习型的模型到有数据增强有迁移学习型的模型,VX2兔CT图像的器官自动分割Dice系数从0.502提升到0.676,提高了34.66%,NSD从0.459提升到0.616,提高了34.20%。表明在机器深度学习过程中迁移学习与数据增强对于研究新的解剖对象同等重要。结论:在机器深度学习过程中,迁移学习的功能可以借助数据增强算法,获得更好的图像识别、提取与自动分割的结果。 展开更多
关键词 迁移学习 数据增强 动物ct图像分割 神经网络
下载PDF
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
使用帮助 返回顶部