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8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：
基于混合偏移轴向自注意力机制的脑胶质瘤分割算法
1
作者 高泽文 王建 魏本征 《山东大学学报（工学版）》 CAS CSCD 北大核心 2024年第2期80-89,共10页
为提高脑胶质瘤核磁共振成像(magnetic resonance imaging,MRI)图像分割精度及质量,设计一种混合偏移轴向自注意力机制的脑胶质瘤分割多层级轴向注意力网络(multi-level axial-attention net,MLA-Net)算法。MLA-Net算法框架中设计的混... 为提高脑胶质瘤核磁共振成像(magnetic resonance imaging,MRI)图像分割精度及质量,设计一种混合偏移轴向自注意力机制的脑胶质瘤分割多层级轴向注意力网络(multi-level axial-attention net,MLA-Net)算法。MLA-Net算法框架中设计的混合偏移轴向自注意力机制和混和损失函数,分别用于提取更精确的全局相对位置关系、提升网络对细节结构特征的敏感程度和实现精确地分割胶质瘤模糊边界。试验结果表明,在BraTS 2018和2019的混合数据上,MLA-Net算法的dice系数可达到0.8433,Hausdorff距离为2.587。MLA-Net算法的MRI图像脑胶质分割性能优良,可以融合全局相对位置特征和局部细节特征,更好地分割出脑胶质瘤感兴趣区域。 展开更多
关键词 脑胶质瘤 图像分割 MRI 深度学习 轴向自注意机制
原文传递
融合多模态多尺度磁共振成像的脑胶质瘤分割
2
作者 裴玉瑶 王常青 吴茜 《计算机与数字工程》 2024年第1期150-155,共6页
为了实现脑胶质瘤小目标区域的精准分割,提出了融合多模态多尺度磁共振成像脑胶质瘤分割模型。通过多模态特征提取模块获取各模态的图像特征,增强网络对特征信息的复用性;利用多尺度特征融合模块学习不同尺度的关键特征,提升网络对小目... 为了实现脑胶质瘤小目标区域的精准分割,提出了融合多模态多尺度磁共振成像脑胶质瘤分割模型。通过多模态特征提取模块获取各模态的图像特征,增强网络对特征信息的复用性;利用多尺度特征融合模块学习不同尺度的关键特征,提升网络对小目标脑胶质瘤区域的特征识别能力;使用一种加权混合损失函数解决类不平衡问题。在BraTS(brain tumor segmentation)2019数据集上测试该模型,其中整个肿瘤、核心肿瘤和增强肿瘤的Dice系数分别为0.857、0.869和0.878,Hausdorff距离分别为2.543、1.583和1.526。实验结果表明,该模型可以有效提高脑胶质瘤小目标区域的分割精度。 展开更多
关键词 脑胶质瘤 小目标分割 多模态特征 多尺度融合
下载PDF
基于3D卷积神经网络的脑肿瘤图像分割 被引量：4
3
作者 宫浩栋 王育坚 韩静园 《光学技术》 CAS CSCD 北大核心 2022年第4期472-477,共6页
三维脑胶质瘤磁共振成像肿瘤形状各异、边缘模糊,目前大多数基于2D卷积神经网络的分割方法不能很好的分割三维图像。为了能够准确分割出三维图像中的肿瘤部分,提出一种融合多尺度特征信息的3D卷积神经网络脑肿瘤图像分割方法。利用并行... 三维脑胶质瘤磁共振成像肿瘤形状各异、边缘模糊,目前大多数基于2D卷积神经网络的分割方法不能很好的分割三维图像。为了能够准确分割出三维图像中的肿瘤部分,提出一种融合多尺度特征信息的3D卷积神经网络脑肿瘤图像分割方法。利用并行的3D空洞卷积提取特征信息,将不同感受野的信息融合。将Dice损失和BCE损失结合,形成一种新的损失函数并配合恒等映射,进一步提高分割精度。在BraTs2020数据集上对模型进行验证,结果表明,该模型分割的全肿瘤区、核心区和增强区的Dice系数分别为89.1%、83.9%和82.6%。在LGG脑部肿瘤图像数据集上对模型进行验证,结果表明,Dice系数达到了93.3%。所提出的分割方法不仅能够精确的分割三维脑胶质瘤图像,而且同样适用于分割二维脑胶质瘤图像。 展开更多
关键词 脑胶质瘤 三维磁共振图像 图像分割 3D卷积神经网络
原文传递
多模态3D卷积神经网络脑部胶质瘤分割方法 被引量：4
4
作者 谷宇 吕晓琪 +7 位作者 李菁 任国印 喻大华 赵瑛 吴凉 张文莉 郝小静 黄显武 《科学技术与工程》 北大核心 2018年第7期18-24,共7页
由于大多数脑部胶质瘤边界有水肿且内部结构复杂,分割胶质瘤及瘤内结构难度较大。提出一种新的基于多模态MRI 3D卷积神经网络(CNN)脑部胶质瘤及瘤内各结构的自动分割算法。首先,标准化由T1、T1c、T2、FLAIR 4个MRI模态组成的输入图像。... 由于大多数脑部胶质瘤边界有水肿且内部结构复杂,分割胶质瘤及瘤内结构难度较大。提出一种新的基于多模态MRI 3D卷积神经网络(CNN)脑部胶质瘤及瘤内各结构的自动分割算法。首先,标准化由T1、T1c、T2、FLAIR 4个MRI模态组成的输入图像。其次,构建10个卷积层,2个全连接层的3D CNN。卷积层采用3×3×3的3D卷积核;全连接层采用PRe Lu激励函数,并结合dropout技术防止过拟合。构建的3D CNN分割胶质瘤和瘤内各结构精度高,与专家手动分割的结果接近。实验结果表明,构建的多模态3D CNN能够准确地分割MRI多模态图像脑部胶质瘤及瘤内各结构,具有重要的临床意义。 展开更多
关键词 脑部胶质瘤 瘤内结构 多模态MRI 3D卷积神经网络 图像分割
下载PDF
结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割 被引量：3
5
作者 衣斐 龚敬 +3 位作者 段辉宏 苏冠群 田海龙 聂生东 《计算机应用研究》 CSCD 北大核心 2019年第9期2849-2855,共7页
为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题,提出了一种将灰度直方图(GLH)与改进细胞自动机相结合的脑胶质瘤分割算法。首先,对脑胶质瘤的T2加权图像和液体衰减反转(FLAIR)图像进行融合;然后,利用灰度直方图特性增强脑胶质... 为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题,提出了一种将灰度直方图(GLH)与改进细胞自动机相结合的脑胶质瘤分割算法。首先,对脑胶质瘤的T2加权图像和液体衰减反转(FLAIR)图像进行融合;然后,利用灰度直方图特性增强脑胶质瘤区域;最后,以加权距离为特征向量用改进的细胞自动机进行分割,并得到脑胶质瘤各组织分割结果。在20组BraTS2015(brain tumor segmentation)数据库数据和10组临床脑胶质瘤数据上进行分割实验,整个肿瘤区域及核心肿瘤区域的平均分割准确率分别达到90. 76%和89. 73%。实验结果表明,相对于对比方法,所提算法不仅能更好地分割出对比度明显的胶质瘤区域,还在一定程度上解决了模糊胶质瘤区域分割不准确的问题。该算法在保持不增加算法复杂度的同时,亦提高了算法分割的准确性和鲁棒性。 展开更多
关键词 脑胶质瘤 多模态磁共振图像 图像分割 图像融合 灰度直方图 细胞自动机
下载PDF
基于双通道三维密集连接网络的脑胶质瘤核磁共振成像分割算法研究 被引量：2
6
作者 霍智勇 杜帅煜 +1 位作者 陈钊 戴伟达 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第5期763-768,776,共7页
针对脑胶质瘤形状、位置及大小的不一致性,本文提出了一种基于双通道三维密集连接网络的脑胶质瘤核磁共振成像(MRI)自动分割算法。该算法基于三维卷积神经网络,在两个通道采用不同大小卷积核,从而在不同尺度感受野下提取多尺度特征,并... 针对脑胶质瘤形状、位置及大小的不一致性,本文提出了一种基于双通道三维密集连接网络的脑胶质瘤核磁共振成像(MRI)自动分割算法。该算法基于三维卷积神经网络,在两个通道采用不同大小卷积核,从而在不同尺度感受野下提取多尺度特征,并构造各自的密集连接块进行特征学习与传递,通过特征结联后输入到分类层进行目标体素分类,最终实现脑胶质瘤的自动分割。为了验证本文算法的实用性,本文采用公开的脑肿瘤分割挑战赛数据集对网络进行训练与验证,并将得到的结果与其他脑胶质瘤分割方法比较。实验结果表明,本文所提出的算法能够更准确地分割出不同的肿瘤病变区域,在临床脑肿瘤疾病诊断中具有一定的应用价值。 展开更多
关键词 三维卷积神经网络 密集连接块 核磁共振成像 脑胶质瘤分割
原文传递
基于机器学习的脑胶质瘤多模态影像分析 被引量：2
7
作者 吴强 何泽鲲 +3 位作者 刘琚 崔晓萌 孙双 石伟 《山东大学学报（医学版）》 CAS 北大核心 2020年第8期81-87,共7页
脑部胶质瘤是临床中常见的一种原发性脑肿瘤,具有复发率高、死亡率高以及治愈率低的特点。常规临床诊断主要依靠计算机断层扫描(CT)和磁共振成像(MRI)检查技术进行鉴别。随着成像技术和机器学习方法的不断发展,多模态影像智能分析技术... 脑部胶质瘤是临床中常见的一种原发性脑肿瘤,具有复发率高、死亡率高以及治愈率低的特点。常规临床诊断主要依靠计算机断层扫描(CT)和磁共振成像(MRI)检查技术进行鉴别。随着成像技术和机器学习方法的不断发展,多模态影像智能分析技术已经逐步成为研究热点,在脑胶质瘤的病灶分割测量、肿瘤分级、预后生存周期预测和基因型辨别等方面具有重要的应用前景。本文重点介绍基于机器学习和多模态影像在脑胶质瘤临床辅助诊断和预后评估中的应用进展。 展开更多
关键词 脑部胶质瘤 机器学习 多模态磁共振影像 影像病灶分割 生存周期预测 基因型预测
原文传递
基于卷积和可变形注意力的脑胶质瘤图像分割
8
作者 高宇飞 马自行 +2 位作者 徐静 赵国桦 石磊 《郑州大学学报（工学版）》 CAS 北大核心 2024年第2期27-32,共6页
对于脑胶质瘤图像分割这类密集预测的医学影像分割任务,局部和全局依赖关系都是不可或缺的,针对卷积神经网络缺乏建立全局依赖关系的能力,且自注意力机制在局部细节上捕捉能力不足等问题,提出了基于卷积和可变形注意力的脑胶质瘤图像分... 对于脑胶质瘤图像分割这类密集预测的医学影像分割任务,局部和全局依赖关系都是不可或缺的,针对卷积神经网络缺乏建立全局依赖关系的能力,且自注意力机制在局部细节上捕捉能力不足等问题,提出了基于卷积和可变形注意力的脑胶质瘤图像分割方法。设计了卷积和可变形注意力Transformer的串行组合模块,其中卷积用于提取局部特征,紧随其后的可变形注意力Transformer用于捕捉全局依赖关系,建立不同分辨率下局部和全局依赖关系。作为一种CNN-Transformer混合架构,所提方法不需要任何预训练即可实现精准的脑胶质瘤图像分割。实验结果表明:所提方法在BraTS2020脑胶质图像分割数据集上平均Dice系数和平均95%豪斯多夫距离分别为83.56%和11.30 mm,达到了与其他脑胶质瘤图像分割方法相当的分割精度,同时降低了至少50%的计算开销,有效提升了脑胶质瘤图像分割的效率。 展开更多
关键词 深度学习 脑胶质瘤图像分割 卷积神经网络 TRANSFORMER 自注意力机制
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