检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于梯度域引导滤波的视差精炼迭代算法

天津大学学报（自然科学与工程技术版） 2018年第6期51卷 638-644页

作者：朱程涛李锵天津大学微电子学院天津300072

在立体匹配算法中,视差精炼过程是影响立体匹配精度的重要步骤.针对传统基于权重中值滤波的视差精炼算法,其滤波性能不佳导致精炼后的立体匹配精度不高的问题,本文提出了一种基于梯度域引导滤波的视差精炼迭代算法.该算法首先依据梯度... 详细信息

在立体匹配算法中,视差精炼过程是影响立体匹配精度的重要步骤.针对传统基于权重中值滤波的视差精炼算法,其滤波性能不佳导致精炼后的立体匹配精度不高的问题,本文提出了一种基于梯度域引导滤波的视差精炼迭代算法.该算法首先依据梯度域引导滤波的原理,将其应用于视差精炼的过程,得到改进后的权重中值滤波算法;同时对视差图进行迭代精炼,以提高立体匹配精度.实验仿真结果表明,相较于传统方法,本文算法能够有效地降低视差精炼的平均误差,获得较高精度的视差图.

关键词：立体匹配视差精炼梯度图像滤波

在线全文

学校读者我要写书评

暂无评论

变分自编码的分层解耦卷积脑肿瘤分割网络

天津大学学报（自然科学与工程技术版） 2023年第7期56卷 767-774页

作者：李锵苏雅梦关欣天津大学微电子学院天津300072

三维卷积神经网络处理图像分割精度高,可以保留更多空间信息,有效解决标签不平衡问题,但存在参数量大的缺点.针对目前三维脑肿瘤分割网络内存资源占用大、硬件设备要求高、计算效率低的问题,将传统3D UNet网络中的3D卷积替换为分层解耦... 详细信息

三维卷积神经网络处理图像分割精度高,可以保留更多空间信息,有效解决标签不平衡问题,但存在参数量大的缺点.针对目前三维脑肿瘤分割网络内存资源占用大、硬件设备要求高、计算效率低的问题,将传统3D UNet网络中的3D卷积替换为分层解耦卷积,能够降低空间环境的计算复杂度和内存占用量,在不提高计算量的前提下显著提高分割精度,提高网络性能.为解决传统自编码器不能自主生成数据的问题,使用结合深度学习和统计学习的变分自编码器,在编码器结果中加入高斯噪声,使得编码器对结果具有鲁棒性,在编码器中加入概率分布防止过拟合,提高算法的泛化性能.采用三线性插值在三维离散采样数据的张量积网格上进行线性插值,有效避免线性方程组不断增大导致计算时间过长的问题.通过对损失函数加权混合,避免梯度弥散时出现学习速率下降现象,解决小区域分割不平衡问题,减少局部性能最优,使网络保持较高运算速度的同时有效提高分割精度,在有限内存空间最大化网络特征提取能力.在脑肿瘤公开数据集BraTS2019上的实验结果表明,该网络在增强型肿瘤、全肿瘤、肿瘤核心上的Dice值分别可达78.02%、90.05%和83.14%,参数量仅为0.30×10^(6),能够准确、高效地分割出脑肿瘤中各病灶区域,节约硬件设备的算力和内存资源,为临床应用提供可能性.

关键词：信号与信息处理脑肿瘤分割变分自编码器三线性插值分层解耦卷积

在线全文

学校读者我要写书评

暂无评论

俄语句法初级读本

一种结合三重注意力机制的双路径网络胸片疾病分类方法

1954年

作者：李锵

来源：汇雅图书（南通市图书馆... 评论

在线全文

汇雅图书（南通市图书馆）

学校读者我要写书评

暂无评论

电子与信息学报 2023年第4期45卷 1412-1425页

作者：李锵王旭关欣天津大学微电子学院天津300072

近年来,利用CNN进行医学图像处理,在胸片疾病分类任务中取得显著研究进展。然而,与单一结构CNN相比,双路径网络可结合不同CNN特点,从而提高疾病分类能力。其次,对于不同疾病,其位置、大小、形态、密度、纹理等特征均有不同,而注意力机... 详细信息

近年来,利用CNN进行医学图像处理,在胸片疾病分类任务中取得显著研究进展。然而,与单一结构CNN相比,双路径网络可结合不同CNN特点,从而提高疾病分类能力。其次,对于不同疾病,其位置、大小、形态、密度、纹理等特征均有不同,而注意力机制有助于模型提取不同病理特征,提升分类精度。因此针对胸片疾病分类问题,该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN),TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络,并利用3种不同形式的注意力机制改进DPN,在维持参数量稳定的同时提高网络复杂度,进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验,并与目前较为先进的6种算法对比,14种疾病的平均AUC值达到0.8185,较前人提升1.1%,表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。

关键词：医学图像处理胸片分类卷积神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

用于胸片分类的自校正特征融合金字塔网络

天津大学学报（自然科学与工程技术版） 2024年第5期57卷 511-520页

作者：宫霄霖程琦李锵天津大学微电子学院天津300072

胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金... 详细信息

胸部疾病的病灶区域面积差异较大,易受健康部位的影响,难以定位,并且用于诊断疾病的X射线胸片样本数据分布不平衡,导致胸部疾病分类网络的分类准确度较低.针对胸部疾病分类任务中仍然存在的问题和挑战,本文提出了一种自校正特征融合金字塔网络.该网络使用自校正卷积增强疾病部位在特征图上以及通道之间的位置联系,在不引入额外参数量的条件下增大了卷积的感受野,避免无病区域的信息干扰;然后通过特征融合金字塔网络整合多尺度图像特征信息,在获取高分辨率特征图的同时,能够准确地定位病变区域,可以更好地识别不同尺度疾病的特征,在多标签分类任务上具有独特的优势;同时引入频率通道注意力机制强化网络对疾病特征的提取能力,在上采样和特征融合变换之前,减少全局平均池化过程中造成的特征丢失;最后提出一种轮次焦点损失函数区分不同种类胸部疾病的训练程度,根据分类难易程度区分样本,并在不同的训练轮次调整权重,以解决胸部疾病样本分布不平衡问题.在ChestX-ray14数据集上的平均AUC值可达0.853,在CheXpert数据集上的平均AUC值可达0.903,超过了近年来较为先进的网络模型.实验结果表明,该网络与传统的胸部疾病分类网络相比能有效地提高胸部疾病的分类精度,并且具有较强的泛化能力.

关键词：胸部疾病自校正卷积特征融合金字塔网络频率通道注意力轮次焦点损失函数

在线全文

学校读者我要写书评

暂无评论

一种改进的三维双路径脑肿瘤图像分割网络

光学学报 2021年第3期41卷 54-61页

作者：张恒良李锵关欣天津大学微电子学院天津300072

近几年,深度学习在生物医学图像处理中的应用得到了广泛关注。从深度学习的基本理论和医学领域应用出发,提出了一种改进的三维双路径脑肿瘤图像分割网络,用于提高核磁共振成像序列中对脑肿瘤各个区域的检测精度。所提算法以3D-UNet为基... 详细信息

近几年,深度学习在生物医学图像处理中的应用得到了广泛关注。从深度学习的基本理论和医学领域应用出发,提出了一种改进的三维双路径脑肿瘤图像分割网络,用于提高核磁共振成像序列中对脑肿瘤各个区域的检测精度。所提算法以3D-UNet为基础架构,首先,使用改进的双路径网络单元构成类似于UNet的编码-解码器结构,该网络单元在保留原有特征的同时,还可以在脑肿瘤的纹理、形状和边缘等方面产生新特征,来提高网络分割精度;其次,在双路径网络模块中加入多纤结构,在保证分割精度的同时减少了参数量;最后,在每个网络模块中的组卷积之后加入通道随机混合模块来解决组卷积导致的精度下降问题,并使用加权Tversky损失函数替代Dice损失函数,提高了小目标的分割精度。所提模型的平均DiceET、DiceWT和DiceTC均优于3D-ESPNet、DeepMedic、DMFNet等算法。该研究结果具有一定的现实意义和应用前景。

关键词：图像处理神经网络双路径网络脑肿瘤图像分割加权损失函数

在线全文

学校读者我要写书评

暂无评论

基于动态卷积的胸部X光片疾病分类算法

天津大学学报（自然科学与工程技术版） 2022年第9期55卷 953-964页

作者：李锵赵启蒙关欣天津大学微电子学院天津300072

胸部疾病严重威胁人类健康,及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义.胸部疾病经常通过胸部X光片进行诊断,但由于胸部疾病的多样性以及病理特征的复杂性,现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较... 详细信息

胸部疾病严重威胁人类健康,及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义.胸部疾病经常通过胸部X光片进行诊断,但由于胸部疾病的多样性以及病理特征的复杂性,现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题.针对以上问题,提出一种基于动态卷积的胸部X光片疾病分类算法.将动态卷积模块加入密集连接网络,在不显著增加网络模型尺寸的前提下,增强网络对多尺度信息的特征提取能力,在提升分类准确度的同时保持高效推理;使用Meta-ACON改进ReLU(rectified linear units)激活函数,通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数,从而增强网络的泛化能力;提出加权焦点损失函数,在焦点损失函数的基础上加入权重调整因子,使网络依据分类的难易程度为每种疾病合理分配权重,增大较难分类疾病的损失占比以提高其分类准确度,进而优化整体性能;对数据加载方式进行优化,增大批数据处理量以提升批归一化效果;在测试阶段使用测试时数据增强策略,综合分析多个维度的分类结果,提高分类的准确性与鲁棒性.在chest X-ray14数据集上的实验结果表明,在密集连接网络中加入动态卷积模块、Meta-ACON激活函数、加权焦点损失函数并在实验时优化数据加载方式、使用测试时数据增强策略的算法对14种胸部疾病分类的平均受试者工作特征曲线下面积(area under receiver operating characteristic curve,AUC)值达到0.8361,针对单个疾病标签的AUC值最高可达0.9534,高于目前6种先进算法.实验结果表明,基于动态卷积的胸部X光片疾病分类算法具有分类准确度高、模型鲁棒性强等优势,可良好地适用于胸部X光片疾病分类任务.

关键词：胸部X光片疾病分类密集连接网络动态卷积 ACON激活函数加权焦点损失函数

在线全文

学校读者我要写书评

暂无评论

一种用于脑肿瘤分割的改进U形网络

工程科学学报 2023年第6期45卷 1003-1012页

作者：黄敬腾李锵关欣天津大学微电子学院天津300072

近年来卷积神经网络在生物医学图像处理中得到了广泛应用,例如从磁共振图像中准确分割脑肿瘤是临床诊断和治疗脑部肿瘤疾病的关键环节.3D U-Net因其分割效果优异受到追捧,但其跳跃连接补充的特征图为编码器特征提取后的输出特征图,并未... 详细信息

近年来卷积神经网络在生物医学图像处理中得到了广泛应用,例如从磁共振图像中准确分割脑肿瘤是临床诊断和治疗脑部肿瘤疾病的关键环节.3D U-Net因其分割效果优异受到追捧,但其跳跃连接补充的特征图为编码器特征提取后的输出特征图,并未进一步考虑到此过程中的原始细节信息丢失问题.针对这一问题,本文提出前置跳跃连接,并在此基础上设计了一种前置跳跃连接倒残差U形网络(FS Inv-Res U-Net).首先,将前置跳跃连接用于改进DMF Net、HDC Net和3D UNet 3个典型网络以验证其有效性和泛化性;其次,采用前置跳跃连接和倒残差结构改进3D U-Net,进而提出FS Inv-Res UNet,最后在BraTS公开验证集上对所提网络进行验证.BraTS2018的验证结果在增强型肿瘤、全肿瘤和肿瘤核心的Dice值分别是80.23%、90.30%和85.45%,豪斯多夫距离分别是2.35、4.77和5.50 mm;BraTS2019的验证结果在增强型肿瘤、全肿瘤和肿瘤核心的Dice值分别是78.38%、89.78%和83.01%,豪斯多夫距离分别是4、5.57和6.37 mm.结果表明,FS Inv-Res UNet取得了不输于先进网络的评价指标,能够实现脑肿瘤精确分割.

关键词：脑肿瘤分割 3D U-Net 跳跃连接倒残差磁共振图像多模态融合

全局-局部注意力特征重用高光谱图像超分辨率网络

在线全文

学校读者我要写书评

暂无评论

光学学报 2023年第21期43卷 195-204页

作者：王思泽关欣李锵天津大学微电子学院天津300072

为了解决高光谱图像超分辨率重建中物质本征光谱表达能力不足、图像尺度变化过程中存在细节信息损失的问题,提出一种全局-局部注意力特征重用网络。首先,通过多节点特征重用增强网络的多尺度信息提取能力。其次,引入局部注意力,利用空... 详细信息

为了解决高光谱图像超分辨率重建中物质本征光谱表达能力不足、图像尺度变化过程中存在细节信息损失的问题,提出一种全局-局部注意力特征重用网络。首先,通过多节点特征重用增强网络的多尺度信息提取能力。其次,引入局部注意力,利用空间注意力机制聚焦重点空间信息,并通过通道注意力机制增强特异性光谱提取能力。最后,设计全局修正模块,根据原始多光谱图像空间信息丰富与高光谱图像光谱保真度高的特性进一步补偿处理过程中损失的空间与光谱维度信息,提高网络可靠性。选取CAVE和Harvard数据集进行训练与测试,并与多种先进方法进行定量与定性评估。结果表明,所提网络能够重建出更高分辨率的高光谱图像,更好完成高光谱超分辨率任务。

关键词：高光谱图像超分辨率注意力机制特征重用卷积神经网络