-
题名用于视网膜血管分割的半监督深度学习框架
被引量：2
- 1
-
-
作者
吕佳
刘耀文
-
机构
重庆师范大学计算机与信息科学学院
重庆国家应用数学中心
-
出处
《光电子．激光》
CAS
CSCD
北大核心
2022年第11期1207-1214,共8页
-
基金
国家自然科学基金(11971084)
重庆市教委重点项目(KJZD-K202200511)
+1 种基金
重庆市科技局技术预见与制度创新项目(2022TFII-OFX0265)
重庆师范大学研究生科研创新项目(YKC21043)资助项目
-
文摘
针对目前视网膜血管分割任务中伪标签质量参差不齐,获得高质量的伪标签需要经过筛选的问题,本文提出了一种新的用于视网膜血管分割的半监督深度学习框架。该框架采用分而治之的思想来处理数据,针对有标签数据,采用传统的深度学习方法;针对无标签数据,采用Mean teacher模型,通过对比同一输入的不同形态输出,让模型学习无标签数据之间的共同特征,避免了采用伪标签技术带来的筛选过程。本文将U型网络(u-neural networks,U-Net)、Dense-Net和Ladder-Net 3个基准网络放入该框架,在DRIVE和CHASEDB1数据集上进行训练测试,均取得了较好的分割效果,表明本文框架具有提高网络区分不同阈值像素的能力。
-
关键词
视网膜血管分割
半监督学习
u型网络(u-net)
Mean
teacher模型
伪标签
-
Keywords
retinal vessel segmentation
semi-supervised learning
u-neural networks(u-net)
Mean teacher model
pseudo label
-
分类号
R774.1
[医药卫生—眼科]
TP18
[医药卫生—临床医学]
TP391.41
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进U-Net的人脑黑质致密部分割
被引量：2
- 2
-
-
作者
曹加旺
田维维
刘学玲
李郁欣
冯瑞
-
机构
复旦大学工程与应用技术研究院
复旦大学附属华山医院放射科
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第11期14-21,29,共9页
-
基金
上海市科委项目“大规模跨模态序列数据的可解释互生成关键技术研究”(20511100800)。
-
文摘
人脑黑质致密部分割能够为帕金森病的诊断提供一定依据。黑质致密部在人脑核磁共振成像中像素占比低、类间差异小,为提高计算机辅助诊断系统对人脑黑质致密部的分割精度,提出一种基于改进U形神经网络(U-Net)的人脑黑质致密部分割方法。为了提取更多有效的多尺度图像语义特征,结合U-Net的跨连接结构并采用多头注意力机制,同时融合基于Transformer编码器的高维语义编码模块以提取高维语义特征,避免浅层噪声对特征造成的影响。建立多任务模型并设计基于二维高斯核权重掩膜的损失函数,解决神经网络分割模型因多次下采样造成的不连续分割误差问题。构建包括140个帕金森病患者以及48个健康对照者的高精度核磁共振脑成像数据集进行实验,结果表明,相较常用的医疗影像分割方法 R2U-Net、HANet等,该方法的多任务分割效果取得明显提升,戴斯相关系数和AUC指标分别达到0.869 1和0.943 9,消融实验结果也验证了改进编码器和改进损失这2个模块的有效性。
-
关键词
图像分割
帕金森病
黑质致密部
u形神经网络
Transformer模块
多任务学习
-
Keywords
image segmentation
Parkinson’s disease
Substantia Nigra pars compacta(SNpc)
u-Shape neural network(u-net)
Transformer module
multi-task learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
