检索结果-南通市图书馆

基于3D-UNet改进网络的冠脉钙化病灶多标签分割方法

在线全文

学校读者我要写书评

暂无评论

基于3D-UNet改进网络的冠脉钙化病灶多标签分割方法

作者：许倩倩华中科技大学

学位级别：硕士

临床应用中,医生希望在心脏平扫CT图像中找出冠状动脉主要分支(左主干、左前降支、左回旋支和右冠脉)各自的钙化病灶。研究多标签的冠状动脉钙化病灶分割方法,得到准确的分割结果可以作为心血管疾病诊断的重要依据。针对心脏区域中非冠... 详细信息

临床应用中,医生希望在心脏平扫CT图像中找出冠状动脉主要分支(左主干、左前降支、左回旋支和右冠脉)各自的钙化病灶。研究多标签的冠状动脉钙化病灶分割方法,得到准确的分割结果可以作为心血管疾病诊断的重要依据。针对心脏区域中非冠脉钙化与冠脉钙化特点相近、冠脉钙化易漏检以及多标签分割时标签之间易混淆等问题,提出了先分割心脏区域钙化再分成多标签的两阶段方案。在第一阶段,将冠脉主要分支的钙化病灶和非冠脉钙化病灶作为一类目标,尽可能避免漏检冠脉钙化。该阶段使用带多尺度融合模块的三维残差“U”型网络(3D-MSI-RUnet),在Dice Loss的基础上增加了用于单标签分割的Focal Loss作为损失函数,以解决单标签分割的类别不均衡问题。在第二阶段,将第一阶段的分割结果和CT图像作为输入,实现多标签的冠脉钙化分割。以3D-MSI-RUnet网络模型为基础进行改进,设计了带注意力机制的三维密集“U”型网络(3D-MA-DUnet)。用密集模块替换残差模块,能够减少各类冠脉钙化特征信息的丢失;在网络的跳跃连接处增加了注意力机制,使得网络在学习冠脉钙化信息的同时也能过滤如骨组织等的假阳性噪声;在Dice Loss的基础上增加了用于多标签分割的Focal Loss作为损失函数,以解决第二阶段多标签分割的多类别不均衡问题。在上海联影医疗科技股份有限公司提供的63套心脏平扫CT数据上进行实验。使用四个不同的模型进行对比实验,在相同模型的条件下,两阶段方法的Dice系数均比一阶段方法的Dice系数提升8%-20%。在两阶段方法的消融实验中,3D-MADUnet模型的Dice系数达到0.8344,比3D-MSI-RUnet模型提高了29%。

关键词：深度学习冠状动脉钙化分割两阶段注意力机制密集模块

基于改进YOLOv3的树上成熟芒果检测方法

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

沈阳农业大学学报 2021年第1期52卷 70-78页

作者：李国进黄晓洁李修华广西大学电气工程学院南宁530004

为了准确地识别和定位自然环境中接近成熟或已成熟的树上芒果,提出了一种基于改进YOLOv3的目标检测方法(ISD-YOLOv3)。该方法首先利用在图像分类数据集ImageNet上精度更高的SE_ResNet50网络替换YOLOv3算法中的主干网络DarkNet53,提取更... 详细信息

为了准确地识别和定位自然环境中接近成熟或已成熟的树上芒果,提出了一种基于改进YOLOv3的目标检测方法(ISD-YOLOv3)。该方法首先利用在图像分类数据集ImageNet上精度更高的SE_ResNet50网络替换YOLOv3算法中的主干网络DarkNet53,提取更多的芒果特征信息,增强对小目标的识别;其次为有效减少深度残差卷积层在提取特征过程中造成的重要特征信息丢失,借鉴密集网络和VoVNetV2网络,将SE_ResNet50网络中最后3个由残差模块和SE模块构成的SE_ResNet模块改为密集模块、eSE模块及残差连接,实现深层网络中芒果的多层特征信息复用与融合,提高目标检测精度和速度;最后采用自制的树上芒果图像数据集对ISD-YOLOv3模型进行训练与测试,并与原始的YOLOv3_DarkNet53、YOLOv3_SE_ResNet50、Faster R-CNN3种模型进行对比试验。试验结果表明:当输入图像分辨率为608×608像素,交并比(intersection over union,IoU)阈值为0.7时,提出的ISD-YOLOv3方法,在芒果图像测试集上平均精度为94.91%,检测速度达到85帧·s-1(frames per second,FPS);YOLOv3_DarkNet53、YOLOv3_SE_ResNet50、Faster R-CNN这3种方法的平均精度分别为86.03%、91.95%和94.51%,检测速度分别为78FPS、78FPS和6FPS;与其他3种方法相比,ISD-YOLOv3算法检测效果明显更高效,其平均精度分别高出8.88%、2.96%、0.4%,检测速度分别高出7FPS、7FPS、79FPS。表明该方法对自然环境下的树上芒果识别与定位具有更高的检测性能,为实现芒果果实的机器采摘提供了参考。

关键词：树上芒果 YOLOv3 SE_ResNet 密集模块视觉检测

在线全文

学校读者我要写书评

暂无评论

复杂气象条件下的交通场景目标检测算法研究

计算机仿真 2021年第2期38卷 87-90,105页

作者：李轩李静王海燕沈阳航空航天大学电子信息工程学院辽宁沈阳110136

针对复杂条件下交通场景目标检测虚警和漏检问题,提出一种基于YOLOv3的快速检测算法。首先利用kmeans算法聚类出适合该数据集的合理的anchors坐标;其次在YOLOv3框架基础上使用密集模块代替残差网络,加强特征的传播和复用,并进行多尺度融... 详细信息

针对复杂条件下交通场景目标检测虚警和漏检问题,提出一种基于YOLOv3的快速检测算法。首先利用kmeans算法聚类出适合该数据集的合理的anchors坐标;其次在YOLOv3框架基础上使用密集模块代替残差网络,加强特征的传播和复用,并进行多尺度融合;将普通卷积替换为空洞卷积,在不改变网络层数和计算量的基础上增大感受野。另外针对质量不佳的图片利用暗通道去雾算法对图片进行增强处理。经过试验证明,经过改进的YOLOv3算法在数据集上准确率和召回率均有明显提升,具有很强的通用性和鲁棒性,且参数数量明显减少。

关键词：深度学习残差模块密集模块空洞卷积

基于混合密集注意力机制和NRAdam算法的图像分割

在线全文

学校读者我要写书评

暂无评论

现代计算机 2021年第22期27卷 122-127页

作者：任亚敏东北大学理学院沈阳110819

针对人工分割脑肿瘤耗时耗力的问题,提出一种基于U-Net的自动分割模型。设计了以U-Net模型为主体,Dense模块和注意力机制相结合的分割网络结构,使分割后的精度有了明显的提升。同时在RAdam优化算法的基础上加入Nesterov动量,即NRAdam优... 详细信息

针对人工分割脑肿瘤耗时耗力的问题,提出一种基于U-Net的自动分割模型。设计了以U-Net模型为主体,Dense模块和注意力机制相结合的分割网络结构,使分割后的精度有了明显的提升。同时在RAdam优化算法的基础上加入Nesterov动量,即NRAdam优化算法,不仅加快收敛速度,还提高了模型的鲁棒性。将所提出的方法应用于MRI低级神经胶质瘤图像分割任务,得到Dice值和参数大小分别为0.9168和1.91M。实验结果表明,与原有的U-Net方法和其他的分割方法相比,改进后的方法在Dice值上得到了更好的结果,并通过减少参数量大小来实现模型轻量化。

关键词：低级神经胶质瘤密集模块注意力机制 NRAdam