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
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的肾小球病理图像识别与分类
被引量:
5
1
作者
孟子尧
陈斯佳
+4 位作者
吕天予
张志刚
王筱霞
盛斌
毛丽娟
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第6期947-955,共9页
病理切片中肾小球的识别和分类是诊断肾脏病变程度和病变类型的关键,为解决肾小球的识别和分类问题,从中检测出肾小球并进行分类,设计了一个基于深度学习的完整的肾小球检测及分类框架.该框架包括肾小球识别的4个阶段,第1阶段的扫描窗...
病理切片中肾小球的识别和分类是诊断肾脏病变程度和病变类型的关键,为解决肾小球的识别和分类问题,从中检测出肾小球并进行分类,设计了一个基于深度学习的完整的肾小球检测及分类框架.该框架包括肾小球识别的4个阶段,第1阶段的扫描窗生成中,设计一种网络框架RGNet,用于初步判断肾小球可能出现的位置;第2阶段的检测和粗分类中,针对肾小球数据改进了Faster R-CNN;第3阶段基于NMS算法设计了NMS-Lite算法,将检测到的肾小球进行合并;在第4阶段的细分类中,使用数据增强等技巧训练2个神经网络,实现肾小球的病变程度分类.实验结果表明,所提肾小球检测方法在测试集上取得了与同类方法可比的精度,且在一定程度上解决了相似类别的肾小球难以区分的问题.
展开更多
关键词
肾小球病理图像
病变分类
神经网络
下载PDF
职称材料
题名
基于深度学习的肾小球病理图像识别与分类
被引量:
5
1
作者
孟子尧
陈斯佳
吕天予
张志刚
王筱霞
盛斌
毛丽娟
机构
上海交通大学电子信息与电气工程学院
上海交通大学医学院附属同仁医院
上海嘉奥信息科技发展有限公司
复旦大学基础医学院
上海体育学院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第6期947-955,共9页
基金
国家重点研发计划(2018YFF0300903)
国家自然科学基金(61872241,61572316)
上海市科教委项目(15490503200,18410750700,17411952600).
文摘
病理切片中肾小球的识别和分类是诊断肾脏病变程度和病变类型的关键,为解决肾小球的识别和分类问题,从中检测出肾小球并进行分类,设计了一个基于深度学习的完整的肾小球检测及分类框架.该框架包括肾小球识别的4个阶段,第1阶段的扫描窗生成中,设计一种网络框架RGNet,用于初步判断肾小球可能出现的位置;第2阶段的检测和粗分类中,针对肾小球数据改进了Faster R-CNN;第3阶段基于NMS算法设计了NMS-Lite算法,将检测到的肾小球进行合并;在第4阶段的细分类中,使用数据增强等技巧训练2个神经网络,实现肾小球的病变程度分类.实验结果表明,所提肾小球检测方法在测试集上取得了与同类方法可比的精度,且在一定程度上解决了相似类别的肾小球难以区分的问题.
关键词
肾小球病理图像
病变分类
神经网络
Keywords
glomerular
pathological
image
lesion
classification
neural
network
分类号
TP391.41 [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
基于深度学习的肾小球病理图像识别与分类
孟子尧
陈斯佳
吕天予
张志刚
王筱霞
盛斌
毛丽娟
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021
5
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