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6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：
MS-UNet++:基于改进UNet++的视网膜血管分割 被引量：12
1
作者 殷宁波 黄冕 +1 位作者 刘利军 黄青松 《光电子．激光》 EI CAS CSCD 北大核心 2021年第1期35-41,共7页
本文针对视网膜图像中细微血管特征提取困难导致其分割难度高等问题,提出了一种基于端到端的神经网络嵌套视网膜血管分割模型算法(简称MS-UNet++),该算法选取了深度监督网络UNet++作为分割网络模型,提升特征的使用效率;引入MulitRes模块... 本文针对视网膜图像中细微血管特征提取困难导致其分割难度高等问题,提出了一种基于端到端的神经网络嵌套视网膜血管分割模型算法(简称MS-UNet++),该算法选取了深度监督网络UNet++作为分割网络模型,提升特征的使用效率;引入MulitRes模块,改善低对比度环境下细小血管的特征学习效果,并在特征提取后加上SENet模块进行挤压和激励操作,从而增强特征提取阶段的感受野,提高目标相关特征通道的权重。基于DRIVE图像数据集的实验结果表明,该算法分割结果与真实结果之间的重叠率DICE值为83.64%,并交比IOU为94.83%,准确度ACC为96.79%,灵敏度SE为81.78%,较现有模型有一定的提升,可用于视网膜图像血管分割,为临床诊断提供辅助信息。 展开更多
关键词 视网膜血管 UNet++ MultiRes SENet 图像分割
原文传递
基于加权层级注意力机制的疾病预测模型 被引量：2
2
作者 单文琦 王波 +2 位作者 黄青松 刘利军 黄冕 《中文信息学报》 CSCD 北大核心 2023年第1期97-103,共7页
近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转... 近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转换为结构弱关联句向量,并构成词、句、文档层级结构注意力机制来提高模型结构学习能力,此外,设计监督层用于缓解语义关系复杂造成的学习偏置问题,以辅助模型的训练效果。在真实数据集中进行验证表明,该文模型优于当前主流的深度学习模型,取得了较好效果。 展开更多
关键词 累加法 注意力机制 层级结构 辅助诊断
下载PDF
基于多层聚焦Inception-V3卷积网络的细粒度图像分类 被引量：5
3
作者 王波 黄冕 +2 位作者 刘利军 黄青松 单文琦 《电子学报》 EI CAS CSCD 北大核心 2022年第1期72-78,共7页
细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分... 细粒度图片具有结构多变、背景干扰大、类间差异小、类内差异大等特点,准确地定位与提取判别性局部特征至关重要.本文提出一种多层聚焦卷积网络,通过首层聚焦网络能够准确、有效地聚焦于识别局域并生成定位区域,根据定位区域对原图像分别进行裁剪和遮挡后输入下一层的聚焦网络进行训练分类.其中单层聚焦网络以In⁃ception-V3网络为基础,通过卷积块特征注意力模块和定位区域选择机制来聚焦有效的定位区域;使用双线性注意力最大池化提取各个局部的特征;最后进行分类预测.本文在3个常用的细粒度数据集CUB-2011、FGVC-Aircraft以及Stanford Cars上进行了实验验证,分别获得了89.7%、93.6%和95.1%的Top-1准确率.实验结果表明,本模型的分类准确率高于目前主流方法. 展开更多
关键词 多层聚焦卷积网络 Inception-V3网络 注意力机制 双线性注意力最大池化
下载PDF
基于特征选择与残差融合的肝肿瘤分割模型 被引量：2
4
作者 乔伟晨 黄冕 +1 位作者 刘利军 黄青松 《中国图象图形学报》 CSCD 北大核心 2022年第3期838-849,共12页
目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差... 目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差融合的2D肝肿瘤分割模型,提高了2D模型在肝肿瘤分割任务中的表现。方法该模型通过注意力机制对U-Net瓶颈特征及跳跃链接进行优化,为符合肝肿瘤分割任务特点优化传统注意力模块进,提出以全局特征压缩操作(global feature squeeze,GFS)为基础的瓶颈特征选择模块,即全局特征选择模块(feature selection module,FS)和邻近特征选择模块(neighbor feature selection module,NFS)。跳跃链接先通过空间注意力模块(spatial attention module,SAM)进行特征重标定,再通过空间特征残差融合(spatial feature residual fusion module,SFRF)模块解决前后空间特征的语义不匹配问题,在保持低复杂度的同时使特征高效表达。结果在LiTS(liver tumor segmentation)公开数据集上进行组件消融测试并与当前方法进行对比测试,在肝脏及肝肿瘤分割任务中的平均Dice得分分别为96.2%和68.4%,与部分2.5D和3D模型的效果相当,比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8%。结论提出的FSF-U-Net(feature selection and residual fusion U-Net)模型通过改进的注意力机制与优化U-Net模型结构的方法,使2D肝肿瘤分割的结果更加准确。 展开更多
关键词 肝肿瘤自动分割 注意力机制 U-Net结构 特征选择 残差融合
原文传递
基于多模型融合方法的肺结节良恶性分类 被引量：1
5
作者 郭峰 黄冕 +1 位作者 刘利军 黄青松 《光电子．激光》 EI CAS CSCD 北大核心 2021年第4期389-394,共6页
针对CT图像中肺结节因边缘模糊、特征不明显造成的分类效果有偏差的问题,本文提出一种嵌入注意力机制的多模型融合方法(简称MSMA-Net)。该方法先将原始CT图像进行肺实质分割和裁剪操作后得到两种不同尺寸的图像,然后分别输入到空间注意... 针对CT图像中肺结节因边缘模糊、特征不明显造成的分类效果有偏差的问题,本文提出一种嵌入注意力机制的多模型融合方法(简称MSMA-Net)。该方法先将原始CT图像进行肺实质分割和裁剪操作后得到两种不同尺寸的图像,然后分别输入到空间注意力模型和通道注意力模型进行训练,其中,空间注意力模型着重于提取肺结节在CT图像中的空间位置信息,通道注意力模型着重于提取肺结节的细节特征。最后将两个模型提取的特征进行融合,用于得出良恶性分类结果。经过大量实验表明,这种多模型融合方法能很好地提取到肺结节在CT图像中的位置信息和自身的边缘特征,在LIDC数据集的基础上,该方法在准确率,敏感性,特异性分别达到了96.28%,96.72%,96.17%,相较于传统的网络模型取得了更好的分类效果。 展开更多
关键词 肺结节 注意力机制 多模型 良恶性分类
原文传递
基于图卷积神经网络的胸部放射影像疾病分类方法
6
作者 赵佳雷 黄青松 +1 位作者 刘利军 黄冕 《光电子．激光》 CAS CSCD 北大核心 2022年第6期667-672,共6页
医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位。但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战。此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务... 医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位。但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战。此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难。针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolutional neural network,CNN)相结合,提出了一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法。该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类。本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能。 展开更多
关键词 图卷积神经网络 胸部放射影像 疾病诊断 医学图像处理
原文传递
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