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
2
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
结合深度可分离卷积与通道加权的全卷积神经网络视网膜图像血管分割
被引量：
12
1
作者
耿磊
邱玲
+2 位作者
吴骏
肖志涛
张芳
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019年第1期107-115,共9页
糖尿病和高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义。本文提出一种结合深度可分离卷积与通道加权的全卷积神经网络(FCN)视网膜图像血管分割方...
糖尿病和高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义。本文提出一种结合深度可分离卷积与通道加权的全卷积神经网络(FCN)视网膜图像血管分割方法。首先,对眼底图像的绿色通道进行CLAHE及Gamma校正以增强对比度;然后,为了适应网络训练,对增强后的图像进行分块以扩充数据;最后,以深度可分离卷积代替标准的卷积方式以增加网络宽度,同时引入通道加权模块,以学习的方式显式地建模特征通道的依赖关系,提高特征的可分辨性。将二者结合应用于FCN网络中,以专家手动标识结果作为监督在DRIVE数据库进行实验。结果表明,本文方法在DRIVE库的分割准确性能够达到0.963 0,AUC达到0.983 1,在STARE库的分割准确性可以达到0.962 0,AUC达到0.983 0。在一定程度上,本文方法具有更好的特征分辨性,分割性能较好。
展开更多
关键词
视网膜血管分割
全卷积神经网络
深度可分离卷积
通道加权
原文传递
基于双注意力编码-解码器架构的视网膜血管分割
被引量：
3
2
作者
李天培
陈黎
《计算机科学》
CSCD
北大核心
2020年第5期166-171,共6页
眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-...
眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-解码器卷积神经网络的每个卷积层添加空间和通道注意力模块,加强模型对图像特征的空间信息和通道信息(如血管的大小、形态和连通性等特点)的利用,从而改善视网膜血管的分割效果。其中,空间注意力模块关注于血管的拓扑结构特性,而通道注意力模块关注于血管像素点的正确分类。此外,在训练过程中采用Dice损失函数解决了视网膜血管图像正负样本不均衡的问题。在3个公开的眼底图像数据库DRIVE,STARE和CHASE_DB1上进行了实验,实验数据表明,所提算法的准确率、灵敏度、特异性和AUC值均优于已有的视网膜血管分割方法,其AUC值分别为0.9889,0.9812和0.9831。实验证明,所提算法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管。
展开更多
关键词
视网膜血管分割
通道注意力
空间注意力
编码-解码器结构
特征可视化
下载PDF
职称材料
题名
结合深度可分离卷积与通道加权的全卷积神经网络视网膜图像血管分割
被引量：
12
1
作者
耿磊
邱玲
吴骏
肖志涛
张芳
机构
天津工业大学电子与信息工程学院
天津市光电检测技术与系统重点实验室
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019年第1期107-115,共9页
基金
国家自然科学基金项目(61601325
61771340)
中国纺织工业联合会应用基础研究项目(J201509)
文摘
糖尿病和高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义。本文提出一种结合深度可分离卷积与通道加权的全卷积神经网络(FCN)视网膜图像血管分割方法。首先,对眼底图像的绿色通道进行CLAHE及Gamma校正以增强对比度;然后,为了适应网络训练,对增强后的图像进行分块以扩充数据;最后,以深度可分离卷积代替标准的卷积方式以增加网络宽度,同时引入通道加权模块,以学习的方式显式地建模特征通道的依赖关系,提高特征的可分辨性。将二者结合应用于FCN网络中,以专家手动标识结果作为监督在DRIVE数据库进行实验。结果表明,本文方法在DRIVE库的分割准确性能够达到0.963 0,AUC达到0.983 1,在STARE库的分割准确性可以达到0.962 0,AUC达到0.983 0。在一定程度上,本文方法具有更好的特征分辨性,分割性能较好。
关键词
视网膜血管分割
全卷积神经网络
深度可分离卷积
通道加权
Keywords
segmentation
of
retinal
blood
vessels
fully
convolutional
network
depthwise
separable
convolution
channel
weighting
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于双注意力编码-解码器架构的视网膜血管分割
被引量：
3
2
作者
李天培
陈黎
机构
武汉科技大学计算机科学与技术学院
武汉科学大学湖北省智能信息处理与实时工业系统重点实验室
出处
《计算机科学》
CSCD
北大核心
2020年第5期166-171,共6页
基金
国家自然科学基金(61773297)
智能信息处理与实时工业系统湖北省重点实验室开放基金资助项目(2016znss01A)。
文摘
眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-解码器卷积神经网络的每个卷积层添加空间和通道注意力模块,加强模型对图像特征的空间信息和通道信息(如血管的大小、形态和连通性等特点)的利用,从而改善视网膜血管的分割效果。其中,空间注意力模块关注于血管的拓扑结构特性,而通道注意力模块关注于血管像素点的正确分类。此外,在训练过程中采用Dice损失函数解决了视网膜血管图像正负样本不均衡的问题。在3个公开的眼底图像数据库DRIVE,STARE和CHASE_DB1上进行了实验,实验数据表明,所提算法的准确率、灵敏度、特异性和AUC值均优于已有的视网膜血管分割方法,其AUC值分别为0.9889,0.9812和0.9831。实验证明,所提算法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管。
关键词
视网膜血管分割
通道注意力
空间注意力
编码-解码器结构
特征可视化
Keywords
segmentation
of
retinal
blood
vessels
Channel
attention
Spatial
attention
Encoder
decoder
structure
Feature
of
proposed
method
visualization
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
作者
出处
发文年
被引量
操作
1
结合深度可分离卷积与通道加权的全卷积神经网络视网膜图像血管分割
耿磊
邱玲
吴骏
肖志涛
张芳
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019
12
原文传递
2
基于双注意力编码-解码器架构的视网膜血管分割
李天培
陈黎
《计算机科学》
CSCD
北大核心
2020
3
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
