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

面向高度近视条纹损伤的深监督特征聚合网络

中国图象图形学报 2022年第3期27卷 961-972页

作者：谭晓刁逸超陈新建石霏樊莹谢嘉旻朱伟芳苏州大学电子信息学院苏州215006 苏州大学放射医学与辐射防护国家重点实验室苏州215123 上海交通大学附属第一人民医院上海200080

目的条纹状损伤是高度近视向病理性近视发展过程中的一种重要眼底改变。临床研究表明,在无创的眼底光学相干断层扫描(optical coherence tomography,OCT)图像中,条纹状损伤主要表现为视网膜色素上皮层—Bruch’s膜—脉络膜毛细血管复合... 详细信息

目的条纹状损伤是高度近视向病理性近视发展过程中的一种重要眼底改变。临床研究表明,在无创的眼底光学相干断层扫描(optical coherence tomography,OCT)图像中,条纹状损伤主要表现为视网膜色素上皮层—Bruch’s膜—脉络膜毛细血管复合体(retinal pigment epithelium-Bruch’s membrane-choriocapillario complex,RBCC)损伤,具体包括RBCC异常和近视牵引纹。由于OCT图像中条纹损伤存在目标小、边界模糊等问题,其自动分割极具挑战性。本文提出了一种基于特征聚合下采样和密集语义流监督的特征融合分割网络(deep-supervision and feature-aggregation based network,DSFA-Net),用于实现OCT图像中条纹损伤的自动分割。方法为减少网络参数量,DSFA-Net以通道减半的U-Net为基准网络,在编码器路径中设计并嵌入特征聚合下采样模块(feature aggregation pooling module,FAPM),使得网络在下采样过程中保留更多的上下文和局部信息,在解码器路径中设计并嵌入一种新的深监督模块——密集语义流监督模块(dense semantic flow supervision module,DSFSM),使得网络在解码过程中聚合不同分辨率图像之间的细节和语义信息。结果方法在上海市第一人民医院提供的751幅2维眼底OCT B扫描图像上进行验证与评估。相比于U-Net,本文方法在参数量降低53.19%的情况下,平均Dice相似系数(Dice similarity coefficient,DSC)、Jaccard和敏感度指标分别提高了4.30%、4.60%和2.35%。与多种较流行的语义分割网络相比,本文网络在保持最小网络参数量的同时,分割性能取得了较明显提升。为了更加客观地评估FAPM与DSFSM模块的性能,本文同时进行了一系列消融实验。在基准网络添加FAPM模块后,平均DSC、Jaccard和敏感度指标分别提高了1.05%、1.35%和3.35%。在基准网络添加DSFSM模块后,平均DSC、Jaccard和敏感度指标分别提高了4.90%、5.35%和5.90%。在基准网络添加FAPM与DSFSM模块后,平均DSC、Jaccard和敏感度指标分别提高了6.00%、6.45%和5.50%。消融实验的结果表明,本文提出的DSFSM和FAPM模块可以有效提升网络的分割性能。结论本文提出的DSFA-Net提升了眼底OCT图像中条纹损伤的分割精度,具备潜在的临床应用价值。

关键词：高度近视条纹损伤光学相干断层扫描(OCT) 深监督特征聚合卷积神经网络(CNN) 医学图像分割

在线全文

学校读者我要写书评

暂无评论

深监督结合块学习的乳腺病理图像细胞核检测

深监督结合块学习的乳腺病理图像细胞核检测

作者：符玲玲中南民族大学

学位级别：硕士

乳腺癌通过早期诊断和治疗可以有效降低患者死亡率,组织病理学图像分析在各种癌症的诊断中发挥着关键作用。对于组织病理学图像的定量分析,通常根据单个细胞的外观、形状以及细胞簇的分布和排列来对特征进行量化。因此,用于单个细胞识... 详细信息

乳腺癌通过早期诊断和治疗可以有效降低患者死亡率,组织病理学图像分析在各种癌症的诊断中发挥着关键作用。对于组织病理学图像的定量分析,通常根据单个细胞的外观、形状以及细胞簇的分布和排列来对特征进行量化。因此,用于单个细胞识别和定位的自动核检测是许多病理学分析中的一项重要任务。然而自动核检测需要在大量数字切片中识别大量核对象,且核的大小、形状和纹理的可变性以及部分核重叠,使得检测任务耗时费力,手动处理容易出错,一些传统的目标检测方法存在测试识别准确度相对较低、泛化能力弱等问题,无法达到令人满意的性能。本文利用深监督结合图像块学习的方法实现对乳腺病理图像细胞核的检测进行计算机辅助诊疗。实验结果表明,本文的方法在H&E染色组织病理图像数据集上有比以往深度网络的方法更好的表现,本论文的主要研究工作和成果包括:(1)本文所提出的模型利用卷积神经网络作为骨干网络,在模型主干网络的每一层经下采样后加入通道注意力,每个通道都代表着一个专门的检测器,检测各个特征通道的重要程度,增强或者抑制不同的通道,引导计算资源偏向输入信号中信息量最大的部分。并结合深监督机制,利用多尺度和多层次特征学习,使每个网络层负责产生一定规模的预测,为网络提供丰富的层次表示,经特征融合层判定候选核及其位置。(2)本文使用了一种新的图像块采样方法进行正负样本采样,获得更加丰富的样本数据集,除了核类别标签,通过保留偏移值使得位置表达也添加到图像块信息中,参与位置回归;通过训练图像块代替传统的逐像素滑动窗口策略极大加快了网络预测速度。(3)传统核检测方法的一个棘手问题是如何处理由模型得到的每个对象的多个候选对象。相较于传统核检测方法的一个棘手问题是如何处理由模型得到的每个对象的多个候选对象。本文采用软非最大值抑制(soft-NMS),将检测分数衰减为Io U的连续函数,而不是将分数粗暴置为零。LPN网络结合软非最大值抑制方法可以有效地减少目标检测中的假阴性,显著提高核位置预测的精度。本网络模型在凯斯西储大学提供的数据集中最优的检测准确率为86.9%,相较于其他模型该准确率值有所提高。为验证本实验模型的有效性,本文通过多种评价标准与其他网络模型进行性能对比,证明了深监督结合图像块学习的乳腺病理图像细胞核检测方法的可行性和优越性。

关键词：细胞核检测乳腺病理图像深监督块学习软非最大值抑制

基于改进STANet的遥感图像变化检测算法

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

无线电工程 2024年第5期54卷 1226-1235页

作者：王文韬何小海张豫堃王正勇滕奇志四川大学电子信息学院四川成都610041 成都西图科技有限公司四川成都610065

遥感图像变化检测是为了识别出双时相图像之间的显著变化。给定2个在不同时间拍摄的配准图像,光照变化和错配误差会掩盖真实物体的变化,探索不同时空像素之间的关系可以提高遥感图像变化检测方法的性能。在Spatial Temporal Attention N... 详细信息

遥感图像变化检测是为了识别出双时相图像之间的显著变化。给定2个在不同时间拍摄的配准图像,光照变化和错配误差会掩盖真实物体的变化,探索不同时空像素之间的关系可以提高遥感图像变化检测方法的性能。在Spatial Temporal Attention Neural Network(STANet)中,提出了一种基于孪生的时空注意力神经网络。在其基础上进行改进:①对距离度量模块由于线性插值导致的变化特征间隙模糊问题,设计了对距离特征的上采样模块,使得变化区域间隙更加明显,虚警率更低;②针对STANet的Pyramid Spatial Temporal Attention Module(PAM)模块计算开销大的问题,引用了新的Coordinate Attention(CA)模块,在降低运算开销的基础上,更好地识别了不同空间、通道的特征;③针对STANet对Residual Network(ResNet)提取出的特征图利用不充分的问题,加入了深监督模块,利用中间层的特征计算一个权重衰减的loss,起到正则化的作用。实验表明,改进之后的网络将基线模型的F1得分从81.6提高到86.1。在公共遥感图像数据集上的实验结果表明,改进的方法优于其他几种先进的方法。

关键词：遥感图像 STANet 深监督 CA

同方期刊数据库博看期刊

深度双分辨率融合多尺度的实时服装分割算法研究

在线全文

学校读者我要写书评

暂无评论

激光杂志 2024年

作者：李虎啸陈绪君田春欣华中师范大学物理科学与技术学院

针对当前基于服装分割的实时语义分割算法（如Deeplab系列、ERFNet系列、BiseNet等）对服装边缘分割细节特征不足、分割精度差、推理速度慢等问题，提出了一种深度双分辨率融合多尺度的实时语义分割算法MDRNet。为提升服装图像特征的学... 详细信息

针对当前基于服装分割的实时语义分割算法（如Deeplab系列、ERFNet系列、BiseNet等）对服装边缘分割细节特征不足、分割精度差、推理速度慢等问题，提出了一种深度双分辨率融合多尺度的实时语义分割算法MDRNet。为提升服装图像特征的学习能力，采用双分辨率特征网络同时提取高分辨率与低分辨特征，通过双边融合模块将不同分辨率特征进行多次融合，改进了高分辨率网络的深监督输出结构，并添加跨空间多尺度注意力模块捕捉跨空间的特征信息，最后将上下文提取模块DAPPM改为并行模块PAPPM，在提升准确率的同时，可有效减少参数量和计算复杂度并有效提升了FPS。实验结果表明，MDRNet在服装分割DeepFashion-MultiModal数据集上相对于DeeplabV3+、BiseNetv2等算法平均交并比分别提升9.2%、8.1%，为语义分割在服装上的应用提供了更好的技术解决方案。

关键词：深度双分辨率实时语义分割跨空间多尺度深监督上下文提取模块

改进Segformer的前列腺超声图像语义分割算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年第15期47卷 65-72页

作者：石勇涛柳迪高超杜威邱康齐三峡大学计算机与信息学院湖北宜昌443002 三峡大学湖北省水电工程智能视觉监测重点实验室湖北宜昌443002

前列腺超声图像在临床中的准确分割对后续诊断具有重要影响。因此,通过深度学习辅助实现前列腺边界的快速、准确分割非常必要。为此,文中提出了一种改进的前列腺分割网络(DA-Segformer)。利用Transformer、深监督和注意力机制,快速准确... 详细信息

前列腺超声图像在临床中的准确分割对后续诊断具有重要影响。因此,通过深度学习辅助实现前列腺边界的快速、准确分割非常必要。为此,文中提出了一种改进的前列腺分割网络(DA-Segformer)。利用Transformer、深监督和注意力机制,快速准确地分割前列腺超声图像。引入MAG模块提高网络对特征图和像素关联性的理解能力,以及对前景像素的敏感度。采用深监督策略,在解码过程中引入损失函数,优化梯度传播,增强网络对关键特征的学习表征能力。实验结果显示,在前列腺超声图像数据集上,DA-Segformer模型的mIoU、Dice系数、准确率和召回率等指标均优于其他主流语义分割模型。该方法有效解决了前列腺超声图像手工分割的难题,为临床诊断提供了有价值的计算机辅助工具。

关键词：医学图像分割超声图像分割 Transformer 门控注意力深监督扩张卷积梯度下降多尺度特征

维普期刊数据库博看期刊

基于改进TransU-Net的乳腺肿瘤分割算法研究

在线全文

学校读者我要写书评

暂无评论

无线互联科技 2024年第9期21卷 15-18页

作者：朱盛滔贺泽民陈超峰西京学院陕西西安710123

针对超声乳腺肿瘤图像中存在的高散斑噪声较多、肿瘤边缘模糊以及形状复杂多样等问题,文章在TransU-Net的基础上进行改进,提出了基于TransU-Net的多路径特征融合网络(MFF-Net)。文章分析了MFF-Net的整体结构、多路径特征融合提取模块以... 详细信息

针对超声乳腺肿瘤图像中存在的高散斑噪声较多、肿瘤边缘模糊以及形状复杂多样等问题,文章在TransU-Net的基础上进行改进,提出了基于TransU-Net的多路径特征融合网络(MFF-Net)。文章分析了MFF-Net的整体结构、多路径特征融合提取模块以及深监督机制,通过实验验证了MSF-Net在处理边缘模糊和形状复杂多样的乳腺超声图像方面的有效性。结果显示,MSF-Net在多个评价指标上优于现有的主流方法。

关键词：乳腺超声图像分割深度学习多路径融合深监督

维普期刊数据库博看期刊

任务引导的径向基网络对乳腺病理图像有丝分裂检测

在线全文

学校读者我要写书评

暂无评论

电子学报 2023年第11期51卷 3146-3154页

作者：刘子仪唐奇伶蔡玉中南民族大学生物医学工程学院湖北武汉430074 青岛大学附属烟台毓璜顶医院医学工程处山东烟台264001

有丝分裂数目是判别乳腺癌恶性程度的重要指标,在诊断、治疗及预后中具有重要的意义.然而,在临床实践上乳腺癌切片中有丝分裂细胞的检测主要是通过病理学医生进行人工计数,这个过程繁琐耗时且具有很强主观性.本文提出了一种乳腺病理图... 详细信息

有丝分裂数目是判别乳腺癌恶性程度的重要指标,在诊断、治疗及预后中具有重要的意义.然而,在临床实践上乳腺癌切片中有丝分裂细胞的检测主要是通过病理学医生进行人工计数,这个过程繁琐耗时且具有很强主观性.本文提出了一种乳腺病理图像有丝分裂自动检测的两阶段方法.在第一个阶段,利用卷积神经网络作为主干融合深监督与注意力机制进行有丝分裂细胞候选块的定位.在第二个阶段,将获取的候选块输入融合了径向基函数网络的验证模型,进一步提高有丝细胞识别准确率.针对有丝细胞类内存在较大差异的问题,本文通过任务来引导径向基函数中心的确定,利用径向基函数的“局部响应”特性来表达有丝分裂细胞的形态多样性.通过在弱标签数据集ICPR 2014和AMIDA 2013上进行评估,本文所提出的网络模型取得了最优的F-score,与竞争方法相比,分别提高了5.4%和3.0%,从而证明了该方法对于有丝分裂检测的有效性.

关键词：有丝分裂检测径向基函数 K-means聚类深监督弱标签

在线全文

学校读者我要写书评

暂无评论

用于遥感图像变化检测的全尺度特征聚合网络

北京航空航天大学学报 2022年第8期48卷 1464-1470页

作者：刘国强房胜李哲山东科技大学计算机科学与工程学院青岛266590

变化检测(CD)是遥感的一项重要任务,通常面临许多伪变化和较大的尺度变化。目前的方法主要侧重于对差异特征的建模,忽略了从原始图像中提取足够的信息,影响了特征的识别能力,难以稳定地区分出变化区域。针对以上问题,提出了一种全尺度... 详细信息

变化检测(CD)是遥感的一项重要任务,通常面临许多伪变化和较大的尺度变化。目前的方法主要侧重于对差异特征的建模,忽略了从原始图像中提取足够的信息,影响了特征的识别能力,难以稳定地区分出变化区域。针对以上问题,提出了一种全尺度特征聚合网络(FFANet)来更充分地利用原始图像特征,促使生成的特征表示在语义上更丰富、在空间上更准确,从而提高了网络对小目标和目标边缘的检测性能。同时,拓展了深监督来结合多尺度的预测图,以促使不同对象在更合适的尺度上进行检测,从而提升了网络对对象尺度变化的鲁棒性。在CDD数据集上,相比于基线网络,所提方法仅增加了1.01×10~6的参数量,就将F分数提升了0.034。

关键词：变化检测(CD) 深监督全尺度特征聚合多尺度预测遥感图像

面向儿科超声心动图双侧心室分割的注意力引导网络

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2023年第5期40卷 928-937页

作者：庞俊王永雄陈丽君张佳鹏刘金龙裴刚上海理工大学光电信息与计算机工程学院上海200093 上海交通大学医学院上海儿童医学中心儿科心内科上海200120 上海交通大学医学院上海儿童医学中心心胸外科上海200120 上海结构性心脏病虚拟现实工程技术研究中心上海200120

由于儿童心脏大小随年龄变化显著,且儿童心率较快,超声心动图心脏边界相较成人更模糊,因此儿科超声心动图的准确分割是一项具有挑战性的任务。针对上述问题,本文提出了一种结合通道注意力和尺度注意力的双解码器网络模型。首先,利用结... 详细信息

由于儿童心脏大小随年龄变化显著,且儿童心率较快,超声心动图心脏边界相较成人更模糊,因此儿科超声心动图的准确分割是一项具有挑战性的任务。针对上述问题,本文提出了一种结合通道注意力和尺度注意力的双解码器网络模型。首先,利用结合深监督策略的注意力引导解码器,获取心室区域的注意力图;然后,将产生的心室注意力通过跳跃连接返回到网络的多个层,调整编码器生成的特征权重,突出左右心室区域;最后,通过尺度注意力模块和通道注意力模块强化左右心室边缘特征。实验结果表明,本文所提方法在所采集的双侧心室分割数据集中,平均戴斯系数(DSC)达到90.63%,优于医学图像分割领域一些常规和最新方法,尤其在心室边缘处分割更清晰。本文的研究可为儿科超声心动图双侧心室分割以及后续先天性心脏病辅助诊断提供新的解决方案。

关键词：儿科超声心动图双侧心室分割注意力机制深监督多尺度