检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种快速基于约束的医疗图像关联分类算法

华中科技大学学报（自然科学版） 2005年第5期33卷 49-51,54页

作者：王天江张永俊华中科技大学计算机科学与技术学院湖北武汉430074

提出了一种快速基于约束的医疗图像关联分类算法(CBCPFPgrowth算法).算法利用扩展项集表征约束,通过加入最大支持度和项出现位置的约束,并利用最小支持度、最小置信度、关联规则数量的约束有效地在算法执行之初和算法执行过程中删除了... 详细信息

提出了一种快速基于约束的医疗图像关联分类算法(CBCPFPgrowth算法).算法利用扩展项集表征约束,通过加入最大支持度和项出现位置的约束,并利用最小支持度、最小置信度、关联规则数量的约束有效地在算法执行之初和算法执行过程中删除了冗余模式和规则,通过将频繁项集进行划分并在多个处理器上独立执行,充分利用多处理器协同工作的处理能力,使算法具有并行和分布处理的可扩展性.算法在满足医疗图像领域高精确度,高稳定性要求的同时提高了算法运行效率和医疗图像分类的有效性.

关键词：关联分类医疗图像数据挖掘频繁模式增长算法

在线全文

学校读者我要写书评

暂无评论

面向医疗图像协同分析的系统模型及访问控制

计算机科学与探索 2022年第8期16卷 1779-1791页

作者：刘同来章子凯武继刚广东工业大学计算机学院广州510006 北京交通大学电子信息工程学院北京100044

基于深度学习的医疗图像分析技术在计算机辅助的疾病诊断和治疗中发挥了重要作用。分类准确性一直是科研工作者追求的首要目标。然而,图像传输过程还会面临广域网带宽有限及不安全隐患增大的问题。并且当用户数据暴露给未经授权的用户时... 详细信息

基于深度学习的医疗图像分析技术在计算机辅助的疾病诊断和治疗中发挥了重要作用。分类准确性一直是科研工作者追求的首要目标。然而,图像传输过程还会面临广域网带宽有限及不安全隐患增大的问题。并且当用户数据暴露给未经授权的用户时,平台很容易泄漏个人隐私。针对上述问题,构建了面向糖尿病视网膜病变(DR)诊断协同分析的系统模型及访问控制方案。系统模型包括数据清洗和病变分类两个阶段。在数据清洗阶段,私有云将训练后得到的模型写入区块链,其他私有云清洗数据时使用链上性能最好的模型来识别图像质量,并把高质量图像传递给病变分类模型使用。在病变分类阶段,各私有云分别训练分类模型,并将自己的模型参数上传至公有云聚合得到全局模型,然后将全局模型下发给各私有云,实现协同学习,降低数据传输量,并保护个人隐私。访问控制方案包括私有云内部使用改进的基于角色的访问控制(RAC)和私有云与公有云交互过程中使用的基于区块链的访问控制方案(BAC)。RAC可同时给角色授予功能权限和数据访问权限,并考虑对象属性,实现细粒度级别控制。BAC基于无证书公钥加密技术和区块链技术,能够在私有云向公有云请求传输模型参数的同时,实现对私有云的身份认证、权限识别,保护私有云身份、权限和模型参数的安全,达到轻量级访问控制效果。使用两个视网膜数据集来做DR的分类分析,实验结果表明,数据清洗能够有效地去除低质量图像,提高医生早期病变分类的准确性,准确率达到90.2%。

关键词：医疗图像协同分析访问控制数据安全区块链

最大稳定极值区域与角点检测结合的医疗图像文本区域检测算法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

科学技术与工程 2019年第6期19卷 174-179页

作者：马巧梅石桓印康珺中北大学软件学院太原030051

医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文... 详细信息

医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文本区域检测算法。该算法首先使用成分特征分析对最大稳定极值区域进行滤除,其次使用改进的最小核值相似区(smallest univalue segment assimilating nucleus,SUSAN)角点检测算子对剩余最大稳定极值区域进行检测并滤除,最后将检测出的所有文本区域使用膨胀处理进行合并即可得到医疗图像的文本区域。实验结果表明,使用该算法提取出的医疗图像文本区域的准确率、召回率和综合性能分别为0. 9、0. 92和0. 91,达到了理想的检测效果。

关键词：医疗图像文本检测最大稳定极值区域角点膨胀

基于GHM多小波与Canny边缘检测的医疗图像隐私保护算法研究

在线全文

学校读者我要写书评

暂无评论

微电子学与计算机 2014年第12期31卷 168-172页

作者：李璐瑶赵祥模戴明任帅段宗涛长安大学信息工程学院陕西西安710064 中国交通通信信息中心北京100011

应用GHM多小波变换对CT图像按能量进行重要度分解,得出LL2、LH2、HL2和HH2.之后对最强信息子图LL2和最弱信息子图HH2进行强Canny边缘检测,利用检测图像内容边缘较多较细且几乎对医疗诊断无用的特点,通过对无效边缘进行删除和异或运算处... 详细信息

应用GHM多小波变换对CT图像按能量进行重要度分解,得出LL2、LH2、HL2和HH2.之后对最强信息子图LL2和最弱信息子图HH2进行强Canny边缘检测,利用检测图像内容边缘较多较细且几乎对医疗诊断无用的特点,通过对无效边缘进行删除和异或运算处理,达到隐藏病患信息的目的.算法对病患图像进行边缘修改与信息嵌入,不仅保护常规可视效果下的隐私,而且可以安全携带病患的个人已经诊断信息.

关键词：医疗图像隐私保护 GHM多小波变换 Canny边缘检测

基于全卷积神经网络的医疗图像弱边缘检测算法

在线全文

学校读者我要写书评

暂无评论

哈尔滨理工大学学报 2021年第3期26卷 65-73页

作者：李晓峰李东王妍玮黑龙江外国语学院信息工程系哈尔滨150025 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 普度大学机械工程系印第安纳州西拉法叶市IN47906

针对目前存在的图像弱边缘检测算法容易忽略边缘计算中阈值的选取问题,且并未对数据进行聚类分析,导致检测效果不佳的问题,提出基于全卷积神经网络的复杂医疗图像弱边缘检测算法。首先,采用Mean-shift(均值偏移)对复杂医疗图像滤波处理... 详细信息

针对目前存在的图像弱边缘检测算法容易忽略边缘计算中阈值的选取问题,且并未对数据进行聚类分析,导致检测效果不佳的问题,提出基于全卷积神经网络的复杂医疗图像弱边缘检测算法。首先,采用Mean-shift(均值偏移)对复杂医疗图像滤波处理,并对滤波后的图像进行灰度像素增强;其次,使用可自适应调节的动态阈值方法对图像边缘点和内部候选点进行判定,获取边缘计算结果;最后,建立全卷积神经网络模型,并对模型进行训练,在模型中输入计算得到的图像边缘数据,采用量子遗传聚类方法构建聚类目标函数并求解,完成对输入数据的聚类,以聚类结果为基础,生成边缘信息概率图,对图像的弱边缘概率进行计算,完成弱边缘检测。实验结果表明,选取阈值的适应度较强,图像边缘计算耗时少,对于不同的邻域量子漫步空间数据集,所提算法均具有较好的聚类效果,且所提算法的弱边缘检测准确率最高可达到86%,检测效果好。

关键词：全卷积神经网络医疗图像弱边缘阈值量子遗传聚类方法检测

基于快速置换和可选择像素扩散的医疗图像加密算法的安全性分析

在线全文

学校读者我要写书评

暂无评论

计算机科学 2020年第2期47卷 276-280页

作者：禹峰龚馨慧王世红北京邮电大学理学院

图像加密算法的安全性是最基本和最重要的。医疗图像加密是保护患者隐私的一种手段,分析医疗图像加密算法的安全性,对设计医疗图像加密算法、增强算法的安全性和促进医疗图像加密算法的应用非具有常重要的意义。最近,Hua等提出了一种基... 详细信息

图像加密算法的安全性是最基本和最重要的。医疗图像加密是保护患者隐私的一种手段,分析医疗图像加密算法的安全性,对设计医疗图像加密算法、增强算法的安全性和促进医疗图像加密算法的应用非具有常重要的意义。最近,Hua等提出了一种基于快速置换和可选择像素扩散的医疗图像加密方案。加密方案的一个关键操作是在图像的四周插入随机值,然后通过置乱使得随机值分散到整幅图像,最后通过扩散混乱等操作加密整幅图像。每次加密都会产生不同的随机值,即使加密相同的图像,每次加密得到的密文也不一样,这就保证了“一次一密”的加密效果。文中采用差分分析和选择密文攻击,从理论上详细地分析了Hua等提出的算法。首先分析解密过程,通过差分分析构造明文-密文的线性关系,并根据构造的线性关系建立密码本;然后使用密码本攻击便可破解该算法。密码本的大小与图像尺寸相关,若密文图像的尺寸为M×N,则构造的密码本包含(M×N+1)个明文-密文对。仿真实验验证了理论分析的正确性。为了提高该算法的安全性,抵抗文中提出的密码本攻击,进一步提出了一种基于差分分析的改进方案。该方案引入了与明文相关的置换矩阵。仿真实验结果和统计分析结果表明,改进方案不仅继承了原算法的优点,而且具有很好的抗差分攻击能力。

关键词：医疗图像图像加密混沌加密差分分析密码本攻击

在线全文

学校读者我要写书评

暂无评论

单幅医疗图像增强最佳尺度选取精度控制仿真

计算机仿真 2019年第1期36卷 259-262,283页

作者：罗梦迪许昌学院医学院河南许昌461000

研究一种能够有效控制图像增强最佳尺度选取的方法对改善单幅医疗图像后续的目标检测和识别具有重要意义。针对现有方法由于无法将医疗图像中的目标信号保留的同时抑制背景噪声,导致增强效果不佳,且无法实现图像增强最佳尺度选取精度控... 详细信息

研究一种能够有效控制图像增强最佳尺度选取的方法对改善单幅医疗图像后续的目标检测和识别具有重要意义。针对现有方法由于无法将医疗图像中的目标信号保留的同时抑制背景噪声,导致增强效果不佳,且无法实现图像增强最佳尺度选取精度控制等问题,提出一种基于非线性处理的单幅医疗图像增强最佳尺度选取控制方法,对医疗图像进行颜色空间转换并划分为若干个图像块,对各个图像块进行结构元匹配获得映射子图,计算映射子图中的结构元特征向量、连通粒属性以及连通粒属性特征,通过对三个特征分量的归一化处理和加权合并,实现单幅医疗图像融合特征提取。采用软阈值函数对医疗图像高频子带部分进行平滑滤波,设置非线性函数阈值对提取的融合特征向量中幅值大于设置阈值的系数进行增强,对于小于设置阈值的系数进行抑制,并通过对亮度系数的调节和非线性函数阈值的选取进行医疗图像增强最佳尺度选取精度控制。仿真结果表明,该上述方法能够实现医疗图像增强最佳尺度选取精度控制,且具有比其他方法更好的增强效果。

关键词：单幅医疗图像增强最佳尺度选取控制

在线全文

学校读者我要写书评

暂无评论

基于可解释深度学习的医疗图像诊断技术研究

基于可解释深度学习的医疗图像诊断技术研究

作者：沈亦凡北京邮电大学

学位级别：硕士

随着深度学习技术的不断发展,深度学习模型参与了越来越多领域的工作。尽管这些模型不断地刷新着各项衡量指标的记录,但是当应用在政治选举预测、司法评估和医疗诊断等重要领域时,人们对其预测结果有不少顾虑。这通常是因为当前的深度... 详细信息

随着深度学习技术的不断发展,深度学习模型参与了越来越多领域的工作。尽管这些模型不断地刷新着各项衡量指标的记录,但是当应用在政治选举预测、司法评估和医疗诊断等重要领域时,人们对其预测结果有不少顾虑。这通常是因为当前的深度学习模型缺少良好的可解释性,导致透明度和可信度不高。在重大决策中比起不易理解的预测结果,人们往往更依赖于相关领域专家的判断和分析,这一定程度上也限制了深度学习的应用与发展。因此,在提升深度学习技术预测性能的同时,增强其预测过程和结果的可解释性具有重要的理论价值和实际意义。本文面向基于深度学习的医疗诊断应用,研究具有可解释性的智能诊断技术,主要工作和贡献如下:本文首先提出了一种基于孪生网络的可解释性技术,该技术受脑成像诊断领域中不同病人对比性分析研究启发,以注重两个对象之间差异性对比的孪生网络为基础,研究一种通用的深度学习模型的事后可解释性技术。与现有的单输入实例相比,该技术提供输入的全局解释和该输入与其他对象之间的局部解释,在双向感情障碍等疾病分类任务中能够更好地对比分析预测结果。基于上述技术,本文还提出了一种基于注意力机制的可解释病理图像生存分析技术。该技术充分利用超大像素的完整病理图像,并使用结合卷积操作和线性注意力机制的Vision Transformer(ViT)来提高其预测性能。而基于孪生网络的可解释性技术可以帮助识别最显著的图像区域和独特的形态特征,使模型更加透明,在取得良好预测结果的同时,提供的解释依据也更容易被人类用户理解。最后,本文对上述方法进行整合,设计并实现了一个可解释病理诊断系统,该系统面向网络中有医疗诊断需求的病人和医生,实时在线地处理需要诊断的病理图像信息,输出预测结果以及可解释性内容。除此之外,系统还提供了预测结果的置信度,进一步避免不准确的结果所造成的负面影响。

关键词：可解释性医疗图像病理诊断生存分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向医疗图像诊断的迁移学习策略

面向医疗图像诊断的迁移学习策略

作者：姜云鹏吉林大学

学位级别：硕士

近年来,深度学习特别是卷积神经网络在图像识别领域取得了巨大成功,首次出现就打败了其他传统机器学习方法,一举夺得ImageNet大规模图片识别挑战赛的冠军,极大降低了图片识别误差率。然而,大部分深度学习模型仅应用在自然图片识别领域,... 详细信息

近年来,深度学习特别是卷积神经网络在图像识别领域取得了巨大成功,首次出现就打败了其他传统机器学习方法,一举夺得ImageNet大规模图片识别挑战赛的冠军,极大降低了图片识别误差率。然而,大部分深度学习模型仅应用在自然图片识别领域,在医疗图像诊断等领域的应用少之又少。使用深度学习技术来进行肺癌CT图像诊断不但能够大大减少医生的诊断时间,提高医院的工作效率,有效缓解了医疗资源匮乏等问题而且能够早期诊断,早期治疗,甚至挽救生命。现有两种将深度学习运用到医疗图像诊断的策略:1.使用医学图像,从零开始训练卷积神经网络模型。2.迁移学习,使用预训练好的卷积神经网络模型和权重参数提取特征。然而在肺癌CT图像诊断中,目前只有从零开始训练的方式还从未有人使用过迁移学习的方式,于是本文提出迁移学习在肺癌CT图像诊断的策略并进行实验,实验结果验证迁移学习的方法优于从零训练方法。本文主要工作如下:1.实验对比分析了从零训练和迁移学习的两种策略,验证了迁移学习策略相比于从零训练的优势:避免了过拟合问题,减少了大量训练参数,缩短了训练时间,节省了计算资源,提高了模型的可复用性,提高了肺癌图像诊断的准确率。2.微调迁移模型,实验对比分析了不同网络架构模型的优劣,分析了迁移学习成功的原因和条件,使用微调策略和技巧得到优化模型,提高了模型的识别准确率。3.在微调迁移模型的基础上进一步优化顶层网络架构,采用新的学习率训练方式等更进一步减少训练参数,使得模型收敛效果良好,提高了模型的识别准确率。

关键词：医疗图像迁移学习卷积神经网络图像识别模型预训练