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
3
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
基于自组织特征映射和梯度熵聚类的MR脑部图像分割新算法
被引量：
4
1
作者
丁力
周啸虎
+1 位作者
陈宇辰
高伟
《中国医疗设备》
2017年第10期21-26,共6页
目的提出一种新颖的基于自组织特征映射和遗传算法的无监督MR脑部图像分割算法。方法本研究算法分为5步:图像预处理去除背景噪声和颅骨部分、提取图像中两类统计特征和几何不变矩、遗传算法降低特征空间维度、训练自组织特征映射完成向...
目的提出一种新颖的基于自组织特征映射和遗传算法的无监督MR脑部图像分割算法。方法本研究算法分为5步:图像预处理去除背景噪声和颅骨部分、提取图像中两类统计特征和几何不变矩、遗传算法降低特征空间维度、训练自组织特征映射完成向量分类和使用梯度熵聚类算法得到分割图像。结果选用国际MR脑图像库和临床实例MR图像进行仿真实验。定性分析表明基于本文算法的分割图像中白质、灰质和脑脊液边界完整清晰;定量评估结果显示本文提出的遗传特征优化算法优于常用的主分量分析法,梯度熵算法所得分割图像优于K-means聚类算法,且本文提出的算法在白质和脑脊液分割方面优于现存最佳的CGMM算法。结论本文提出的分割流程没有涉及任何关于体素分类的先验知识,是一种完全无监督的MR脑部组织自动分割方法,具有很强的稳定性、优越性,且获得高精确性的分割图像。
展开更多
关键词
脑疾病
mr
脑部
图像
图像
分割
自组织特征映射
遗传算法
梯度熵聚类
下载PDF
职称材料
基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法
被引量：
10
2
作者
耿艳萍
郭小英
+2 位作者
王华夏
陈磊
李雪梅
《计算机科学》
CSCD
北大核心
2017年第12期260-265,共6页
针对很多基于模糊C均值(FCM)的图像分割算法存在对噪声敏感和分割轮廓不清晰等问题,提出一种基于小波变换图像融合算法和FCM聚类算法的MR医学图像分割算法。在图像分割系统的第一阶段,利用Haar小波多分辨率特性保持像素间的空间信息;第...
针对很多基于模糊C均值(FCM)的图像分割算法存在对噪声敏感和分割轮廓不清晰等问题,提出一种基于小波变换图像融合算法和FCM聚类算法的MR医学图像分割算法。在图像分割系统的第一阶段,利用Haar小波多分辨率特性保持像素间的空间信息;第二阶段,利用小波图像融合算法对得到的多分辨率图像和原始图像进行融合,进而增强被处理图像的清晰度并降低噪声;第三阶段,利用改进型FCM技术对所处理的图像进行分割。在BrainWeb数据集上进行实验,与现有相关算法相比,提出的算法具有较高的分割精度,且对噪声的鲁棒性比较强,处理时间也没有明显增加。
展开更多
关键词
mr
脑部
图像
分割
小波
图像
融合
模糊C均值聚类
鲁棒性
下载PDF
职称材料
多通道融合可分离卷积神经网络下的脑部磁共振图像分割
被引量：
8
3
作者
郭彤宇
王博
+1 位作者
刘悦
魏颖
《中国图象图形学报》
CSCD
北大核心
2019年第11期2009-2020,共12页
目的卷积神经网络方法可以提取到图像的深层次信息特征,在脑部磁共振图像(MRI)分割领域展现出优秀的性能。但大部分深度学习方法都存在参数量大,边缘分割不准确的问题。为克服上述问题,本文提出一种多通道融合可分离卷积神经网络(MFSCNN...
目的卷积神经网络方法可以提取到图像的深层次信息特征,在脑部磁共振图像(MRI)分割领域展现出优秀的性能。但大部分深度学习方法都存在参数量大,边缘分割不准确的问题。为克服上述问题,本文提出一种多通道融合可分离卷积神经网络(MFSCNN)模型分割脑图像。方法首先,在训练集中增加待分割脑结构及其边缘像素点的权重,强制使网络学习如何分割脑结构边缘部分,从而提升整体脑结构分割的准确率。其次,引入残差单元,以避免梯度弥散,同时使用深度可分离卷积代替原始的卷积层,在不改变网络每个阶段特征通道数的情况下,减少了网络训练的参数数量和训练时间,降低了训练成本。最后,将不同阶段的特征信息合并在一起,进行通道混洗,得到同时包含深浅层次信息的增强信息特征,加入到网络中进行训练,每个阶段的输入特征信息更丰富,学习特征的速度和收敛速度更快,显著地提升了网络的分割性能。结果在IBSR(internet brain segmentation repositor)数据集上的分割结果表明,MFSCNN的分割性能相对于普通卷积神经网络(CNN)方法要明显提高,且在边缘复杂的部分,分割效果更理想,Dice和IOU(intersection over union)值分别提升了0. 9%6. 6%,1. 3%9. 7%。在边缘平滑的部分,MFSCNN方法比引入残差块的神经网络模型(Res CNN)和引入局部全连接模块的神经网络模型(Dense CNN)分割效果要好,而且MFSCNN的参数量仅为Res CNN的50%,Dense CNN的28%,在提升分割性能的同时,也降低了运算复杂度,缩短了训练时间。同时,在IBSR、Hammer67n20、LPBA40这3个数据集上,MFSCNN的分割性能比现有的其他主流方法更出色。结论本文提出的MFSCNN方法,加强了网络特征的信息量,提升了网络模型的训练速度,在不同数据集上均获得更精确的MR脑部图像分割结果。
展开更多
关键词
mr
脑部
图像
分割
卷积神经网络
深度可分离卷积
多通道融合
通道混洗
原文传递
题名
基于自组织特征映射和梯度熵聚类的MR脑部图像分割新算法
被引量：
4
1
作者
丁力
周啸虎
陈宇辰
高伟
机构
南京医科大学附属南京医院(南京市第一医院)放射科
出处
《中国医疗设备》
2017年第10期21-26,共6页
基金
国家自然科学青年基金(81601477)
文摘
目的提出一种新颖的基于自组织特征映射和遗传算法的无监督MR脑部图像分割算法。方法本研究算法分为5步:图像预处理去除背景噪声和颅骨部分、提取图像中两类统计特征和几何不变矩、遗传算法降低特征空间维度、训练自组织特征映射完成向量分类和使用梯度熵聚类算法得到分割图像。结果选用国际MR脑图像库和临床实例MR图像进行仿真实验。定性分析表明基于本文算法的分割图像中白质、灰质和脑脊液边界完整清晰;定量评估结果显示本文提出的遗传特征优化算法优于常用的主分量分析法,梯度熵算法所得分割图像优于K-means聚类算法,且本文提出的算法在白质和脑脊液分割方面优于现存最佳的CGMM算法。结论本文提出的分割流程没有涉及任何关于体素分类的先验知识,是一种完全无监督的MR脑部组织自动分割方法,具有很强的稳定性、优越性,且获得高精确性的分割图像。
关键词
脑疾病
mr
脑部
图像
图像
分割
自组织特征映射
遗传算法
梯度熵聚类
Keywords
cerebral disease
mr
brain image
image segmentation
self-organizing maps
genetic algorithms
entropy-gradient clustering
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法
被引量：
10
2
作者
耿艳萍
郭小英
王华夏
陈磊
李雪梅
机构
山西大学软件学院
西北工业大学自动化学院
北京交通大学计算机与信息技术学院
出处
《计算机科学》
CSCD
北大核心
2017年第12期260-265,共6页
基金
国家自然科学基金青年基金项目(61603228)
国家自然科学基金(61702315)资助
文摘
针对很多基于模糊C均值(FCM)的图像分割算法存在对噪声敏感和分割轮廓不清晰等问题,提出一种基于小波变换图像融合算法和FCM聚类算法的MR医学图像分割算法。在图像分割系统的第一阶段,利用Haar小波多分辨率特性保持像素间的空间信息;第二阶段,利用小波图像融合算法对得到的多分辨率图像和原始图像进行融合,进而增强被处理图像的清晰度并降低噪声;第三阶段,利用改进型FCM技术对所处理的图像进行分割。在BrainWeb数据集上进行实验,与现有相关算法相比,提出的算法具有较高的分割精度,且对噪声的鲁棒性比较强,处理时间也没有明显增加。
关键词
mr
脑部
图像
分割
小波
图像
融合
模糊C均值聚类
鲁棒性
Keywords
mr
brain image segmentation
Wavelet image fusion
Fuzzy C-means clustering
Robustness
分类号
TP391 [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
多通道融合可分离卷积神经网络下的脑部磁共振图像分割
被引量：
8
3
作者
郭彤宇
王博
刘悦
魏颖
机构
东北大学信息科学与工程学院
教育部医学影像计算重点实验室
出处
《中国图象图形学报》
CSCD
北大核心
2019年第11期2009-2020,共12页
基金
国家自然科学基金项目(61871106)~~
文摘
目的卷积神经网络方法可以提取到图像的深层次信息特征,在脑部磁共振图像(MRI)分割领域展现出优秀的性能。但大部分深度学习方法都存在参数量大,边缘分割不准确的问题。为克服上述问题,本文提出一种多通道融合可分离卷积神经网络(MFSCNN)模型分割脑图像。方法首先,在训练集中增加待分割脑结构及其边缘像素点的权重,强制使网络学习如何分割脑结构边缘部分,从而提升整体脑结构分割的准确率。其次,引入残差单元,以避免梯度弥散,同时使用深度可分离卷积代替原始的卷积层,在不改变网络每个阶段特征通道数的情况下,减少了网络训练的参数数量和训练时间,降低了训练成本。最后,将不同阶段的特征信息合并在一起,进行通道混洗,得到同时包含深浅层次信息的增强信息特征,加入到网络中进行训练,每个阶段的输入特征信息更丰富,学习特征的速度和收敛速度更快,显著地提升了网络的分割性能。结果在IBSR(internet brain segmentation repositor)数据集上的分割结果表明,MFSCNN的分割性能相对于普通卷积神经网络(CNN)方法要明显提高,且在边缘复杂的部分,分割效果更理想,Dice和IOU(intersection over union)值分别提升了0. 9%6. 6%,1. 3%9. 7%。在边缘平滑的部分,MFSCNN方法比引入残差块的神经网络模型(Res CNN)和引入局部全连接模块的神经网络模型(Dense CNN)分割效果要好,而且MFSCNN的参数量仅为Res CNN的50%,Dense CNN的28%,在提升分割性能的同时,也降低了运算复杂度,缩短了训练时间。同时,在IBSR、Hammer67n20、LPBA40这3个数据集上,MFSCNN的分割性能比现有的其他主流方法更出色。结论本文提出的MFSCNN方法,加强了网络特征的信息量,提升了网络模型的训练速度,在不同数据集上均获得更精确的MR脑部图像分割结果。
关键词
mr
脑部
图像
分割
卷积神经网络
深度可分离卷积
多通道融合
通道混洗
Keywords
subcortical brain
mr
image segmentation
convolution neural network(CNN)
depthwise separable convolution
multi-channel fusion
channel shuffle
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于自组织特征映射和梯度熵聚类的MR脑部图像分割新算法
丁力
周啸虎
陈宇辰
高伟
《中国医疗设备》
2017
4
下载PDF
职称材料
2
基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法
耿艳萍
郭小英
王华夏
陈磊
李雪梅
《计算机科学》
CSCD
北大核心
2017
10
下载PDF
职称材料
3
多通道融合可分离卷积神经网络下的脑部磁共振图像分割
郭彤宇
王博
刘悦
魏颖
《中国图象图形学报》
CSCD
北大核心
2019
8
原文传递
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
