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10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：
集成多尺度微调卷积神经网络下的甲状腺结节良恶性识别 被引量：8
1
作者 梁嘉炜 邱桃荣 +3 位作者 周爱云 徐盼 谢学梅 付豪 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第1期81-91,共11页
针对由于训练图像样本较少与忽略多尺度的结构和纹理信息而导致分类性能不佳问题,为提升甲状腺结节良恶性诊断准确率,提出了集成多尺度微调卷积神经网络下的甲状腺结节超声图像识别算法.首先将图像转换成具有3种不同尺度信息作为输入数... 针对由于训练图像样本较少与忽略多尺度的结构和纹理信息而导致分类性能不佳问题,为提升甲状腺结节良恶性诊断准确率,提出了集成多尺度微调卷积神经网络下的甲状腺结节超声图像识别算法.首先将图像转换成具有3种不同尺度信息作为输入数据,以便模型能够学习到图像不同尺度的特征信息,提高模型的特征提取能力;其次,通过优化3种预训练模型(AlexNet,VGG16和ResNet50)的全连接层结构和迁移学习与微调策略,构建了3种不同尺度的9个微调模型,让模型能够更好地学习源域(ImageNet)和目标域(甲状腺超声图像)上的特征差异;最后选择最优的微调模型组合并通过对模型输出类别概率的加权融合方法得到最终的集成模型,利用模型的多样性进一步提升分类性能.文中算法在真实采集的数据集上和其他算法进行对比实验,得到甲状腺结节良恶性识别的准确率为96.00%,敏感度为94.10%,特异度为97.70%,AUC为98.00%实验结果表明,该算法在这些指标上均优于传统机器学习算法和当前甲状腺结节良恶性识别领域中的其他算法,能够有效地提取出互补的视觉特征信息,具有令人满意的分类性能. 展开更多
关键词 集成模型 多尺度特征 卷积神经网络 迁移学习 甲状腺超声图像
下载PDF
多阶U-Net甲状腺超声图像自动分割方法 被引量：3
2
作者 王波 袁凤强 +3 位作者 陈宗仁 胡建华 杨家慧 刘侠 《计算机工程与应用》 CSCD 北大核心 2023年第5期205-212,共8页
甲状腺超声图像广泛应用于甲状腺相关疾病的诊断。针对甲状腺超声图像对比度低、边缘模糊以及散斑噪声严重等问题,提出一种基于多阶U-Net的深度卷积网络模型,用于实现甲状腺腺体与甲状腺结节的自动分割。该模型以U-Net为基本网络框架,... 甲状腺超声图像广泛应用于甲状腺相关疾病的诊断。针对甲状腺超声图像对比度低、边缘模糊以及散斑噪声严重等问题,提出一种基于多阶U-Net的深度卷积网络模型,用于实现甲状腺腺体与甲状腺结节的自动分割。该模型以U-Net为基本网络框架,通过不断进阶的特征融合,以实现图像边缘的信息提取。同时,在模型中使用了一种多尺度残差卷积模块以进一步提升分割精度。对比实验结果表明,该模型相较于其他方法能够获得更好的分割结果,具有一定的临床应用价值。 展开更多
关键词 甲状腺超声图像 图像分割 多阶U-Net
下载PDF
基于Cascade Rcnn的超声甲状腺结节检测研究 被引量：6
3
作者 章浩伟 李占齐 +1 位作者 刘颖 李淼 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第1期64-72,共9页
甲状腺超声图像由于对比度低、边缘不清晰、高噪声和周围组织复杂难辨等问题,给医生诊断甲状腺疾病造成困难。针对此问题,采用Cascade Rcnn目标检测算法,分别以ResNet50、Resnet101以及融合压缩激励注意力模块SE-ResNet50、SE-ReNet101... 甲状腺超声图像由于对比度低、边缘不清晰、高噪声和周围组织复杂难辨等问题,给医生诊断甲状腺疾病造成困难。针对此问题,采用Cascade Rcnn目标检测算法,分别以ResNet50、Resnet101以及融合压缩激励注意力模块SE-ResNet50、SE-ReNet101为主干网络,对从某三甲医院获取的1513例(其中良性结节832例,恶性结节681例)甲状腺超声图像,在专业超声科医生的指导下进行预处理,制作本次实验使用的标准coco格式数据集。采用迁移学习的方式将从Imagenet大型数据库上预训练得到的权重迁移到本次实验模型结构中,经过4个主干网络的实验结果对比,以SE-ResNet101为主干网络的Cascade Rcnn算法,在结节定位和判别方面,实现了精确率92.4%,召回率86.2%,特异性95.1%,F1值89.2%,mAP值82.4%的检测效果,对辅助医生进行甲状腺超声图像的诊断具有一定的临床指导意义。 展开更多
关键词 甲状腺超声图像 Cascade Rcnn 目标检测 迁移学习
下载PDF
基于TI-RADS的甲状腺结节超声图像特征提取技术研究 被引量：5
4
作者 韩晓涛 杨燕 +1 位作者 彭博 陈琴 《计算机科学》 CSCD 北大核心 2015年第B11期126-130,共5页
超声是甲状腺检查的首选影像学方法。甲状腺超声影像的临床分析主要通过医生参考甲状腺影像报告和数据系统(TI-RADS)对超声图像进行特征评价量化,但特征量化结果与医生的经验、状态等主观因素相关。通过计算机辅助分析方法,可客观定量... 超声是甲状腺检查的首选影像学方法。甲状腺超声影像的临床分析主要通过医生参考甲状腺影像报告和数据系统(TI-RADS)对超声图像进行特征评价量化,但特征量化结果与医生的经验、状态等主观因素相关。通过计算机辅助分析方法,可客观定量地分析超声影像特征,减少主观因素对诊断结果的影响。但已有系统多是使用经典的图像纹理特征,这类特征抽象且缺乏明确意义,难以在临床运用。通过对TI-RADS中涉及到的超声征象进行提取并量化,利用医生在临床诊断中依据经验所使用的视觉特征,设计对应的量化方法,可为甲状腺超声的标准化描述提供基础。根据这些特征,通过统计学习方法建立甲状腺结节良恶性鉴别模型,为临床诊断提供参考建议,该模型的识别正确率达到了100%。 展开更多
关键词 图像识别 TI—RADS 特征提取 甲状腺超声图像
下载PDF
基于注意力机制的甲状腺超声图像感兴趣区域定位方法
5
作者 罗亦铭 王建林 +3 位作者 田艳 张波 随恩光 韩思齐 《电子测量与仪器学报》 CSCD 北大核心 2023年第6期39-47,共9页
针对甲状腺超声图像中背景干扰及数据集规模受限的问题,提出了基于注意力机制的甲状腺超声图像感兴趣区域定位方法。采用跨尺度注意力交互策略,改进定位模型的特征网络,提高不同尺度下各层级特征的融合效率;通过知识蒸馏实现特征网络特... 针对甲状腺超声图像中背景干扰及数据集规模受限的问题,提出了基于注意力机制的甲状腺超声图像感兴趣区域定位方法。采用跨尺度注意力交互策略,改进定位模型的特征网络,提高不同尺度下各层级特征的融合效率;通过知识蒸馏实现特征网络特征提取能力的强化,解决数据规模不足引起的网络过拟合问题;依据解剖学甲状腺形态统计分布设计t掩码,联合注意力掩码计算特征损失,引导网络对甲状腺超声图像关键通道和像素信息的学习,实现对甲状腺超声图像感兴趣区域的定位。实验结果表明,当IoU阈值为0.5时,甲状腺超声图像感兴趣区域定位AP达到92.7%,对辅助医生进行甲状腺疾病的诊断具有临床意义和价值。 展开更多
关键词 甲状腺超声图像 注意力机制 感兴趣区域 区域定位模型 特征网络
下载PDF
基于双边滤波-距离正则化水平集演化算法的甲状腺超声图像分割 被引量：3
6
作者 冉冬梅 严加勇 +1 位作者 崔崤峣 于振坤 《生物医学工程研究》 2019年第2期170-175,共6页
超声图像有斑点噪声,且对比度低、边界模糊,所以甲状腺超声图像分割较为困难。针对此问题,本研究提出一种结合双边滤波(bilateral filters,BF)和改进边缘指示函数的距离正则化水平集演化(distance regularized level set evolution,DRL... 超声图像有斑点噪声,且对比度低、边界模糊,所以甲状腺超声图像分割较为困难。针对此问题,本研究提出一种结合双边滤波(bilateral filters,BF)和改进边缘指示函数的距离正则化水平集演化(distance regularized level set evolution,DRLSE)模型的分割算法。先对甲状腺超声图像进行双边滤波,然后采用改进的DRLSE模型对甲状腺进行分割。通过与采用另外两种边缘指示函数的DRLSE模型对比,本研究提出的BF-DRLSE模型能减少斑点噪声对分割过程的影响,并在明显减少曲线演化运行时间和迭代次数的情况下有效分割甲状腺。 展开更多
关键词 甲状腺超声图像 图像分割 距离正则化水平集演化模型 双边滤波模型 边缘指示函数
下载PDF
基于相位一致性改进的活动轮廓分割模型 被引量：12
7
作者 郑伟 张晶 +1 位作者 李凯玄 郝冬梅 《激光技术》 CAS CSCD 北大核心 2016年第2期296-302,共7页
为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边... 为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷,而且可以灵活地控制曲线演化速率;然后,将该速度函数乘入到无边缘主动轮廓模型的能量项中,避免了线性组合中的权重分配问题,同时具有全局分割能力。通过理论分析和实验验证,改进模型的相对差异度均小于1%,运行时间均低于对比模型。结果表明,新模型实现了灰度分布不均匀图像的精确分割,同时分割效率也有所提高。 展开更多
关键词 图像处理 甲状腺超声图像分割 活动轮廓模型 相位一致性 速度函数
下载PDF
甲状腺超声影像的元优化多级对抗域适应网络 被引量：1
8
作者 应翔 刘振 +3 位作者 朱佳琳 姜汉 张瑞璇 高洁 《中国图象图形学报》 CSCD 北大核心 2023年第1期234-247,共14页
目的计算机辅助诊断是临床诊断中一种重要的辅助手段。然而在多机型超声影像的应用现状中,单一深度卷积神经网络面临难以从不同数据源中提取样本特征的问题,导致模型在区分多源数据方面性能欠佳。为提升单一深度模型在多源数据的泛化能... 目的计算机辅助诊断是临床诊断中一种重要的辅助手段。然而在多机型超声影像的应用现状中,单一深度卷积神经网络面临难以从不同数据源中提取样本特征的问题,导致模型在区分多源数据方面性能欠佳。为提升单一深度模型在多源数据的泛化能力,本文提出一种无监督域自适应网络。方法将深度对抗域适应方法应用于多源甲状腺超声影像分类任务,通过生成对抗思想提取源域图像与目标域图像的域不变特征,提出一种多级对抗域自适应网络(multi-level adversarial domain adaptation network,MADAN)。将元优化(meta-optimized)策略引入对抗域适应的学习中,将域对齐目标和样本分类目标以协调的方式联合优化,提升了模型对无标记目标域数据的分类性能。结果在包含4种域的甲状腺超声影像数据集上实验,与7种经典域自适应方法比较。实验结果表明,MADAN在全部迁移任务中取得90.141%的目标域样本平均分类准确率,优于残差分类网络和多种经典域自适应分类网络。融合元优化训练策略后的MADAN在目标域的测试平均准确率提升约1.67%。结论本文提出的元优化多级对抗域适应网络一方面通过多级对抗学习进行图像域不变特征的提取,另一方面使用元优化方式改进模型训练过程的优化策略,将带有人工标记的源域信息有效迁移至目标域,提升了单一模型对于不同域数据的泛化性能。 展开更多
关键词 计算机辅助诊断(CAD) 多机型甲状腺超声影像 域自适应 元优化 生成对抗网络(GAN)
原文传递
TI-RADS联合彩色血流显像诊断甲状腺良恶性结节的结果 被引量：2
9
作者 陶荣 游淑红 《当代医学》 2021年第19期97-99,共3页
目的分析甲状腺超声影像与数据报告系统(TI-RADS)联合彩色血流显像诊断甲状腺良恶性结节的效果。方法选取本院2019年1月至2020年1月接收的98例甲状腺结节患者为研究对象,均施以超声、TI-RADS、彩色血流显像检查;观察98例甲状腺结节患者... 目的分析甲状腺超声影像与数据报告系统(TI-RADS)联合彩色血流显像诊断甲状腺良恶性结节的效果。方法选取本院2019年1月至2020年1月接收的98例甲状腺结节患者为研究对象,均施以超声、TI-RADS、彩色血流显像检查;观察98例甲状腺结节患者超声征象,比较不同方法诊断甲状腺结节的敏感性、特异性与准确性。结果病理检查提示,98例甲状腺结节患者中良性结节76例,恶性结节22例。甲状腺恶性结节患者边界不清率(36.36%)、形态不规则率(31.82%)、纵横比≥1率(40.91%)、低回声率(81.82%)、微钙化率(31.82%)、淋巴结异常率(36.36%)显著高于甲状腺良性结节患者(6.58%、3.95%、2.63%、43.94%、43.94%、2.63%),差异均有统计学意义(P<0.05)。TI-RADS联合彩色血流显像诊断甲状腺良恶性的敏感性(96.05%)、特异性(90.91%)、准确性(94.90%)均明显高于单独TI-RADS(72.73%、81.58%、81.58%)、彩色血流显像检测(63.64%、72.37%、70.41%),差异均有统计学意义(P<0.05)。结论在甲状腺良恶性结节诊断中TI-RADS与彩色血流显像的联合应用效果较佳。 展开更多
关键词 甲状腺结节 彩色血流显像 甲状腺超声影像与数据报告系统 诊断
下载PDF
改进Mask R-CNN的甲状腺结节超声图像分割方法 被引量：2
10
作者 刘明坤 张俊华 李宗桂 《计算机工程与应用》 CSCD 北大核心 2022年第16期219-225,共7页
甲状腺结节超声图像对比度低,斑点噪声严重,且不同病人的甲状腺结节形态差异较大,这给医生准确分割结节带来极大困难。为了精确地从超声图像中分割出甲状腺结节,对原掩膜区域卷积神经网络(mask region-convolutional neural network,Mas... 甲状腺结节超声图像对比度低,斑点噪声严重,且不同病人的甲状腺结节形态差异较大,这给医生准确分割结节带来极大困难。为了精确地从超声图像中分割出甲状腺结节,对原掩膜区域卷积神经网络(mask region-convolutional neural network,Mask R-CNN)的主干网络进行改进。在原主干网络的残差网络层中加入注意力机制模块来提高模型收敛性,并且在特征金字塔网络中增添一条由下向上的支路,将该支路输出特征图进行融合后,输入至区域推荐网络和感兴趣区域池化层,从而能够在融合多尺度特征的同时平衡特征图信息差异。经过对600幅甲状腺结节超声图像进行测试,改进后Mask R-CNN图像分割的平均Dice系数为0.9148,平均精确度为0.9322,平均召回率为0.9034,平均F1分数为0.9176。改进算法分割的Dice系数比原Mask R-CNN提升了0.0806,改进算法可以应用于实际临床医学中自动分割甲状腺结节超声图像。 展开更多
关键词 甲状腺结节超声图像 Mask R-CNN 主干网络 图像分割
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