检索结果-南通市图书馆

探析U-Net的改进机制及其在医学图像分割的应用

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 2022年第4期39卷 806-825页

作者：周涛侯森宝陆惠玲赵雅楠党培(综述) 董雅丽(审校) 北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021 宁夏医科大学理学院银川750004

U-Net网络在医学图像分割任务中取得了很好的成绩。近年来,众多学者针对U-Net结构不断地进行研究和扩展,比如编、解码器的改进和跳跃连接的改进。本文针对基于U-Net网络结构改进的医学图像分割技术从以下角度进行总结:首先,阐述U-Net网... 详细信息

U-Net网络在医学图像分割任务中取得了很好的成绩。近年来,众多学者针对U-Net结构不断地进行研究和扩展,比如编、解码器的改进和跳跃连接的改进。本文针对基于U-Net网络结构改进的医学图像分割技术从以下角度进行总结:首先,阐述U-Net网络在医学图像分割领域中的应用;然后,总结U-Net的七大改进机制:密集连接机制、残差连接机制、多尺度机制、集成机制、膨胀机制、注意力机制以及Transformer机制;最后,探讨U-Net结构改进的思路和方法,为相关研究提供参考,对U-Net的进一步发展具有一定的积极意义。

关键词： U-Net 医学图像语义分割改进机制网络结构

ResNet及其在医学图像处理领域的应用:研究进展与挑战

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2022年第1期44卷 149-167页

作者：周涛刘赟璨陆惠玲叶鑫宇常晓玉北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021 宁夏医科大学理学院银川750004

残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域。该文对残差神经网络从以下几个方面进行综述:首先,阐述残差神经网络的基本原理和模型结构;然后,从残差单元、残差连接和网络整体结构3方面总结了残差神经网... 详细信息

残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域。该文对残差神经网络从以下几个方面进行综述:首先,阐述残差神经网络的基本原理和模型结构;然后,从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制;其次,从与DenseNet,U-Net,Inception结构和注意力机制结合4方面探讨残差神经网络在医学图像处理领域中的广泛应用;最后,讨论ResNet在医学图像处理领域中面临的主要挑战,并对未来的发展方向进行展望。该文系统梳理了残差神经网络的最新研究进展,以及在医学图像处理中的应用,对残差神经网络的研究具有重要的参考价值。

关键词：残差神经网络医学图像残差单元残差连接激活函数

在线全文

学校读者我要写书评

暂无评论

医学图像三维重建系统的研究进展

中国医学物理学杂志 2022年第7期39卷 823-827页

作者：方威扬林东鑫寇万福黄文华陈超敏南方医科大学生物医学工程学院广东广州510515 南方医科大学基础医学院人体解剖学国家重点学科/广东省医学生物力学重点实验室/广东省医学3D打印应用转化工程技术研究中心广东广州510515 常州集硕医疗器械有限公司江苏常州213100 南方医科大学第三附属医院/广东省医学3D打印应用转化创新平台广东广州510630

目前二维断层图像已无法满足临床诊疗的需求,而利用医学图像三维重建系统构建人体模型的方法可有效提高临床诊疗的效率。该综述首先对医学图像三维重建软件进行概述,然后介绍目前Mimics、3DSlicer、Simpleware及Amira这4款医学图像三维... 详细信息

目前二维断层图像已无法满足临床诊疗的需求,而利用医学图像三维重建系统构建人体模型的方法可有效提高临床诊疗的效率。该综述首先对医学图像三维重建软件进行概述,然后介绍目前Mimics、3DSlicer、Simpleware及Amira这4款医学图像三维重建软件用于三维重建及辅助临床诊疗的主要功能,接着对比分析每个软件存在的优势与不足,最后总结医学图像三维重建软件辅助临床诊疗的可行性和有效性,并提出改进方法和未来展望。

关键词：医学图像三维重建 Mimics 3DSlicer Simpleware Amira 综述

在线全文

学校读者我要写书评

暂无评论

医学图像细微结构增强方法研究进展

生物医学工程学杂志 2018年第4期35卷 651-655页

作者：王宇靳珍怡王远军上海理工大学医疗器械与食品学院上海200093

有效的医学图像增强方法可以增强感兴趣目标或区域以及抑制背景及噪声区域,从而改善图像的质量,在减少噪声的同时保持原有的几何纹理结构,基于增强后的图像可以更方便地诊断疾病。本文针对当前医学图像细微结构增强方法展开研究,主要包... 详细信息

有效的医学图像增强方法可以增强感兴趣目标或区域以及抑制背景及噪声区域,从而改善图像的质量,在减少噪声的同时保持原有的几何纹理结构,基于增强后的图像可以更方便地诊断疾病。本文针对当前医学图像细微结构增强方法展开研究,主要包括锐化增强方法、粗糙集与模糊集增强、多尺度几何增强以及基于微分算子的增强方法。最后给出几种常用的图像细节增强定量评价指标,并探讨了医学图像细微结构增强进一步的研究方向。

关键词：医学图像细微结构增强定量评价

在线全文

学校读者我要写书评

暂无评论

基于多源信息融合的医学图像分割方法

浙江大学学报（工学版） 2023年第2期57卷 226-234页

作者：杨长春叶赞挺刘半藤王柯崔海东常州大学计算机与人工智能学院江苏常州213164 浙江树人学院信息科技学院浙江杭州310015 浙江大学工业控制技术国家重点实验室浙江杭州310027 浙江大学第一附属医院乳腺外科浙江杭州310009

医学图像中各成像方式存在自身缺陷,以单一源数据作为输入进行分割模型的构建与训练易导致病灶的分割准确率不足,因此提出基于多源信息融合的医学图像分割方法,并以乳腺癌微钙化簇病灶诊断中的FFDM与DBT这2类数据源为例,验证方法的有效... 详细信息

医学图像中各成像方式存在自身缺陷,以单一源数据作为输入进行分割模型的构建与训练易导致病灶的分割准确率不足,因此提出基于多源信息融合的医学图像分割方法,并以乳腺癌微钙化簇病灶诊断中的FFDM与DBT这2类数据源为例,验证方法的有效性.方法利用Yolov4区域候选网络对FFDM数据进行可疑区域筛选;根据同一病人FFDM可疑区域进行DBT图像预处理;以预处理后的DBT图像作为改进U-Net模型的输入实现病灶分割;通过基于序贯相似性判别的断层分割结果融合策略,综合DBT中多断层结果完成病灶最终分割.方法在20例病人的FFDM与DBT数据上得到98.52%的真阳性率、10.45%的假阳性率与94.07%的精度.结果表明,本研究提出的基于多源信息融合的医学图像分割方法,有效利用多源数据优势,最终实现病灶的快速精确分割,可以为医学图像诊疗智能化提供一种全新的解决方案.

关键词：医学图像神经网络语义分割乳腺癌检测技术

在线全文

学校读者我要写书评

暂无评论

面向医学图像生成的鲁棒条件生成对抗网络

电子学报 2023年第2期51卷 427-437页

作者：刘少鹏赵慧民洪佳明吴晓航许发宝欧阳佳梁鹏熊建斌广东技术师范大学计算机科学学院广东广州510665 广州大学管理学院广东广州510006 广东省大数据分析与处理重点实验室广东广州510006 广州中医药大学医学信息工程学院广东广州510006 中山大学中山眼科中心眼科学国家重点实验室广东广州510060 山东大学齐鲁医院眼科山东济南250012 广东技术师范大学网络空间安全学院广东广州510665 广东技术师范大学自动化学院广东广州510665

医学图像生成是计算机辅助诊断技术的关键组成,具有广泛的应用场景.当前基于生成对抗网络的端对端学习模型,依靠生成器和判别器两者对抗训练,获取真实数据的概率分布,从而指导图像生成.但标注有限的医学图像及其高分辨率特点,加大了模... 详细信息

医学图像生成是计算机辅助诊断技术的关键组成,具有广泛的应用场景.当前基于生成对抗网络的端对端学习模型,依靠生成器和判别器两者对抗训练,获取真实数据的概率分布,从而指导图像生成.但标注有限的医学图像及其高分辨率特点,加大了模型训练难度,影响图像生成质量;同时,模型未纳入数据扰动因素,鲁棒性有限,容易被恶意攻击.为此,本文提出一个基于鲁棒条件生成对抗网络的医学图像生成模型——MiSrc-GAN.该模型包括精度渐进生成器、多尺度判别器以及对抗样本配对构造模块,有效融合GAN框架和对抗样本,改善判别器鲁棒性,有利于学习原始图像与待生成图像的联合概率分布.在真实数据集CSC和REFUGE上的实验表明,MiSrc-GAN生成的图像质量优于现有模型.

关键词：医学图像图像生成生成对抗网络对抗样本投影梯度下降

医学图像中身体部位识别与多器官分割方法研究

在线全文

学校读者我要写书评

暂无评论

医学图像中身体部位识别与多器官分割方法研究

作者：欧阳子慧华中科技大学

学位级别：硕士

从患者的医学影像中分割出各种器官,对于临床医生诊疗疾病至关重要。但是,医生手动勾画这些器官费时费力,为了提高医生诊疗效率,需要开发一种全身多器官的自动分割技术。人体可分为头颈部、胸部、腹部等多个身体部位,不同部位的器官在... 详细信息

从患者的医学影像中分割出各种器官,对于临床医生诊疗疾病至关重要。但是,医生手动勾画这些器官费时费力,为了提高医生诊疗效率,需要开发一种全身多器官的自动分割技术。人体可分为头颈部、胸部、腹部等多个身体部位,不同部位的器官在形状、大小、纹理等方面存在很大差异,往往需要采用不同的方法进行分割。这给全身器官自动分割带来了极大挑战。为此,本文提出了先定位身体部位,再根据身体部位选择器官分割方法的策略。首先,开发一种身体部位识别技术,自动识别医学图像中的身体部位类别;然后开发一种多器官分割技术,在目标身体部位上自动分割各个器官。本文提出的身体部位识别技术和多器官分割技术简要描述如下。本文提出了一种两阶段的身体部位识别算法,第一阶段实现轴断面图像所属身体部位的分类,在此基础上,第二阶段实现连续身体部位识别。两阶段分别对应深度学习分类网络和后处理优化算法两部分。具体地,为提高深度学习分类网络对于轴断面图像的分类性能,引入了基于长短期记忆网络的时空信息提取模块,充分挖掘三维医学图像中的空间上下文信息,最终分类网络可以得到三维医学图像中每一张轴断面图像的身体部位标签。接着,后处理优化算法通过引入人体解剖先验信息,校正部分轴断面图像的错误标签,从而在三维医学图像中识别出多个连续的不同身体部位。该身体部位识别算法在大型的计算机断层扫描成像与核磁共振成像数据集上进行了训练测试,取得了优异的性能。本文进一步提出了一种多器官分割算法,以实现胸部与腹部两个身体部位中十几种器官的自动分割。该算法将三维UNet作为主干网络,并在其中融合基于自注意力机制的上下文信息模块,充分挖掘全局上下文信息,改善器官的分割精度。另外,网络使用了Focal loss和Tversky loss相结合的新损失函数,以取代Dice loss和交叉熵组成的损失函数,从而解决数据中的类别失衡问题,并通过调控损失函数中的参数项来提升网络对困难器官的分割性能。该算法在胸部与腹部两个公开数据集上进行了验证,有效提升了两个身体部位中多个器官的分割精度。总的来说,本文提出了一种基于3D医学影像的全身器官自动分割方法,无需医学影像的先验信息,便能自动生成医学影像中多个器官的分割标注。这将有效提升医生使用医学影像进行诊疗的便利性,具有重要的临床意义。

关键词：医学图像深度学习卷积神经网络身体部位识别多器官分割

医学图像辅助治疗中半监督分割方法研究与应用

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

医学图像辅助治疗中半监督分割方法研究与应用

作者：王可意山东大学

学位级别：硕士

图像分割技术在众多领域起到关键作用,影响着下游任务的准确性。随着深度学习在医学影像领域的发展,图像分割技术逐渐成为辅助治疗中的基础手段。基于图像分割技术的方法能够快速地识别医学图像中的病灶区域,辅助医生进行诊断和治疗。然... 详细信息

图像分割技术在众多领域起到关键作用,影响着下游任务的准确性。随着深度学习在医学影像领域的发展,图像分割技术逐渐成为辅助治疗中的基础手段。基于图像分割技术的方法能够快速地识别医学图像中的病灶区域,辅助医生进行诊断和治疗。然而,基于监督学习的图像分割技术需要大量精准标注的数据集,而这样的数据集需要经验丰富的医生来进行标注,这使得收集精准标注的数据集十分困难,因此,图像分割的效果和准确率面临着巨大的挑战。为了缓解数据集带来的问题,基于半监督学习的图像分割技术得到了更广泛的应用。本文主要研究了基于半监督学习的图像分割技术在医学辅助治疗任务中的应用,主要针对半监督学习中一致性正则化技术和自训练方法进行扩展,基于身体不同部位疾病的特征,设计适合不同疾病或器官的模型,由此提高分割的准确率,有助于进行下游辅助治疗任务。本文主要研究内容如下:(1)本文提出了一种新的基于一致性正则化的半监督学习方法,多尺度一致性自训练半监督眼眶肿瘤分割框架MSCINet。首次将半监督学习应用于眼眶肿瘤病灶分割,该方法能够适应眼眶肿瘤病灶大小不一、形状变化较大的特点,具有更好的泛化性。在两个数据集上的性能均超过了先前的方法:眼眶肿瘤二值分割数据集(Orbtum-B)数据集上Dice指标达到了 74.60%,超过了基准方法的4.35%;在眼眶肿瘤及周围组织分割数据集(Orbtum-M)上也展现了较好的性能,Dice值可达到75.04%;(2)本文提出基于多视图多尺度局部-全局一致性的半监督分割框架MVCLGNet,主要应用于人体腹部肠胃器官的半监督分割,并提出了多视图融合模块,通过引入两个辅助视图图像来挖掘更丰富的语义信息。解决了肠胃器官由于位置相互堆叠而导致分割性能损失的问题。在人体腹部肠胃分割数据集MV-UWM上展现了较好的性能,相较先前的半监督分割网络在Dice值上至少有3.17%的提升;(3)本文提出一种胃癌新辅助化疗疗效预测系统,构建了基于多组学融合的疗效预测模型RP-Model,在医学图像半监督分割的下游应用上进行了广泛的探究,相比于先前的单组学模型展现了优秀的性能。该模型在测试集和外部验证集上AUC均达到0.8以上。此预测系统成功地将预测窗口进行前移,可预测新辅助化疗对患者的效果,在胃癌辅助治疗中有着重大的意义。

关键词：半监督学习医学图像语义分割辅助治疗

用于实现医学图像对比度增强的密文域可逆信息隐藏算法

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

上海理工大学学报 2024年第1期46卷 95-102页

作者：李安周亮张建青陈立范周艳丽王宏杰孔平上海理工大学健康科学与工程学院上海200093 上海健康医学院协同科研中心上海201318 上海健康医学院医学影像学院上海201318 上海健康医学院文理教学部上海201318

针对现有密文域医学图像可逆信息隐藏算法存在解密图像视觉质量较低的问题,提出了一种基于差值直方图平移的密文域可逆信息隐藏算法。首先,发送方采用具有同态密文比较性质的加密算法对原始医学图像进行加密,从而保证医学图像的隐私内... 详细信息

针对现有密文域医学图像可逆信息隐藏算法存在解密图像视觉质量较低的问题,提出了一种基于差值直方图平移的密文域可逆信息隐藏算法。首先,发送方采用具有同态密文比较性质的加密算法对原始医学图像进行加密,从而保证医学图像的隐私内容不被泄露。然后,嵌入方利用同态性质对接收到的密文图像计算差值直方图,并通过平移差值直方图在密文图像中嵌入信息。为了获得较大的嵌入率,嵌入方可对密文图像进行多轮次信息嵌入。最后,接收方根据拥有的密钥种类对接收到的含有嵌入信息的密文图像进行信息提取、图像解密和图像恢复。实验结果表明,本文算法提升了解密医学图像的视觉质量,同时具有较高的嵌入率和安全性。

关键词：可逆信息隐藏医学图像直方图平移同态加密图像对比度增强