期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
对比增强的关联记忆网络用于医学图像报告生成
1
作者 王志强 曾宪华 《重庆邮电大学学报(自然科学版)》 CSCD 北大核心 2024年第3期503-512,共10页
在现有的医学影像诊断报告自动生成模型中,仅利用输入图像的视觉特征来提取相应的语义特征,并且生成词之间关联较弱和缺乏上下文信息等问题。为了解决上述问题,提出一种对比增强的关联记忆网络模型,通过对比学习提高模型区分不同图像的... 在现有的医学影像诊断报告自动生成模型中,仅利用输入图像的视觉特征来提取相应的语义特征,并且生成词之间关联较弱和缺乏上下文信息等问题。为了解决上述问题,提出一种对比增强的关联记忆网络模型,通过对比学习提高模型区分不同图像的能力,设计了注意力增强关联记忆模块根据上一时间步生成的单词来持续更新,以加强生成医学图像报告中生成词之间的关联性,使得本模型可以为医学图像生成更准确的病理信息描述。在公开IU X-Ray数据集和私有胎儿心脏超声数据集上的实验结果表明,提出的模型在Cider评估指标方面明显优于以前的一些模型(与经典的AOANet模型相比较,在IU X-Ray上Cider指标提升了51.9%,在胎儿心脏超声数据集上Cider指标提升了3.0%)。 展开更多
关键词 医学图像报告生成 关联记忆网络 双层LSTM 上下文信息 对比学习
下载PDF
MIRGAN:一种基于GAN的医学影像报告生成模型 被引量:4
2
作者 张俊三 程俏俏 +2 位作者 万瑶 朱杰 张世栋 《山东大学学报(工学版)》 CAS CSCD 北大核心 2021年第2期9-18,共10页
基于图像理解的医学影像报告生成任务与传统的图像理解任务相比,是一个更加具有挑战的任务。针对该任务,提出医学影像报告生成对抗网络(medical image report generative adversarial network, MIRGAN)模型。采用共同注意力机制对多个... 基于图像理解的医学影像报告生成任务与传统的图像理解任务相比,是一个更加具有挑战的任务。针对该任务,提出医学影像报告生成对抗网络(medical image report generative adversarial network, MIRGAN)模型。采用共同注意力机制对多个特征区域的视觉特征和语义特征进行综合处理并分别生成对应于这些区域的描述。融合生成对抗网络(generative adversarial network, GAN)和强化学习(reinforcement learning, RL)方法优化生成模型的性能使其输出更高质量的报告。试验结果验证了MIRGAN模型的有效性。 展开更多
关键词 图像理解任务 医学影像报告生成 共同注意力机制 生成对抗网络 强化学习
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部