检索结果-南通市图书馆

计算机工程与设计 2018年第11期39卷 3500-3505页

作者：杨国亮洪志阳王志元龚曼江西理工大学电气工程与自动化学院江西赣州341000

针对皮肤病变图像在病变区域的形状、纹理、与周围未发生病变区域对比度相对较低等因素,提出一种基于改进全卷积网络的皮肤病变图像分割算法。采用全卷积网络提取皮肤病变图像的形状纹理等特征,引入Jaccard-Diceloss损失函数解决皮肤病... 详细信息

针对皮肤病变图像在病变区域的形状、纹理、与周围未发生病变区域对比度相对较低等因素,提出一种基于改进全卷积网络的皮肤病变图像分割算法。采用全卷积网络提取皮肤病变图像的形状纹理等特征,引入Jaccard-Diceloss损失函数解决皮肤病变图像中病变与背景区别过大的问题,进一步提高整体的分割性能。对输入皮肤病变图像进行预处理,使用VGG16模型对改进全卷积网络进行微调训练及测试。通过实验得到各项皮肤病变图像分割结果的评估指标值,其结果表明,改进全卷积网络对于皮肤病变图像的分割效果最优,在其它医学图像分割问题上有极大的应用前景。

关键词：皮肤病变图像改进全卷积网络全卷积网络 Jaccard-Diceloss损失函数 VGG16模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多目标BWO算法在皮肤病变图像多阈值分割中的应用

多目标BWO算法在皮肤病变图像多阈值分割中的应用

引用

作者：尤谍重庆师范大学

学位级别：硕士

皮肤容易患上基底细胞癌、黑色素瘤、光化性角化病和鳞状细胞癌等癌症。在现代社会,癌症患者的数量已经增加。皮肤镜辅助诊断皮肤疾病是当下的研究热点。由于具有独特皮肤类型的皮肤病变大小、边界和颜色变化,皮肤病变多阈值分割变得极... 详细信息

皮肤容易患上基底细胞癌、黑色素瘤、光化性角化病和鳞状细胞癌等癌症。在现代社会,癌症患者的数量已经增加。皮肤镜辅助诊断皮肤疾病是当下的研究热点。由于具有独特皮肤类型的皮肤病变大小、边界和颜色变化,皮肤病变多阈值分割变得极其困难。皮肤镜图像在采集过程中容易引入一些难以分割的元素,例如毛发和油泡等。皮肤图像多阈值分割,难点在于多个阈值的寻找。本文在黑寡妇算法(BWO)的基础上,通过引入多目标多模态思想改进黑寡妇算法,并将算法应用到皮肤病变图像分割中,不仅能够实现病灶区域多阈值分割,并且可以在分割图像中突出病灶边界。本文的主要研究工作如下:(1)通过改进个体选择策略和种群生育策略,提升了单目标黑寡妇算法性能。针对现有的进化算法在寻找阈值时,容易陷入局部最优,造成多阈值分割不均匀,多阈值分割失效等问题,本文对现有的黑寡妇优化算法进行两个方面的改进:提出了一种新的雌性雄性个体选择策略,该策略可以增加算法的搜索能力;同时提出一种新的种群生育策略,引入诱导因子β,以生育更优秀的后代个体。根据算法性能实验结果,可以得出结论,改进黑寡妇算法在大多数测试函数上的搜索精度和收敛速度方面都表现更优。在皮肤图像多阈值分割对比试验中,改进黑寡妇阈值分割算法比其他算法在评价指标上表现更优,分割效果更佳。(2)结合多目标多模态思想,提出了多目标黑寡妇算法,进一步提升分割效果。为了确定阈值个数,同时考虑多种分割要求并克服图像噪声的影响,引入多目标多模态思想,将单目标黑寡妇算法转化为多目标黑寡妇算法。算法中提出了一种新的拥挤距离,给非支配排名靠后个体适当的发展机会,以促进种群多样性。多目标黑寡妇算法在维持种群多样性的同时,能够更有效地避免算法陷入局部最优状态。在CEC2019多目标函数集上的测试验证了多目标黑寡妇算法的有效性和可行性。在皮肤图像多阈值分割对比试验中,多目标多阈值分割算法比单目标多阈值分割算法在评价指标表现更优,分割效果更好。(3)在进行系统需求分析的基础上,结合提出的多目标黑寡妇多阈值分割算法,利用Python和PyQt5框架,设计开发了皮肤病变图像辅助诊断系统。系统采用PyQt5搭建交互界面,实现了登录模块,图像加载模块,皮肤病变图像分割模块和显示模块。对提出的算法设计了参数选择项,提供了良好的医疗辅助功能。

关键词： BWO算法多目标皮肤病变图像多阈值分割

来源：

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

基于量子优化的SVM和Inception-ResNet-V1网络的皮肤病变图像分类方法

基于量子优化的SVM和Inception-ResNet-V1网络的皮肤病变图像分类...

引用

作者：李子怡重庆师范大学

学位级别：硕士

黑素瘤是一种致命的皮肤恶性肿瘤。黑色素瘤的诊断是通过使用医生的视觉,对皮肤病变进行目视检查,然后分析皮肤镜检查结果并将其与医学科学相匹配来进行的。人工检测受主观性的影响很大,这使得检查结果在某些条件下不一致,因为它完全是... 详细信息

黑素瘤是一种致命的皮肤恶性肿瘤。黑色素瘤的诊断是通过使用医生的视觉,对皮肤病变进行目视检查,然后分析皮肤镜检查结果并将其与医学科学相匹配来进行的。人工检测受主观性的影响很大,这使得检查结果在某些条件下不一致,因为它完全是基于医生的视力和经验。计算机辅助诊断技术可以在医生的指导下,通过对黑色素瘤相关数据的计算和分析,辅助临床诊断。量子计算是未来计算领域的重要方向,其在网络模型优化中的应用具有很大的潜力。本文在总结相关领域已有成果的基础上,采用量子遗传算法(Quantum Genetic Algorithm,QGA)对支持向量机(Support Vector Machine,SVM)进行优化,并将优化后的SVM应用于皮肤病变图像的分类问题。同时,基于QGA优化的SVM,本文提出了一种改进的量子Inception-ResNet-V1网络模型,将QGA优化后的SVM作为改进网络的分类器,用于执行相同的皮肤病变图像分类任务。本文的主要工作内容如下:(1)本文使用QGA对SVM进行优化。SVM的惩罚因子和核参数能决定它的性能表现,将待优化的参数编码为量子比特,利用量子计算技术进化参数,得到最优参数设置,进而提高算法的分类准确率。(2)本文提出一种改进的量子Inception-ResNet-V1网络。Inception-ResNetV1网络包含Stem主干网络、Inception-ResNet模块和分类模块等。Stem模块包含卷积层和最大池化层,可提取多种类型的特征。基于以上结构,本文将Stem主干网络中的卷积层量子化,并使用QGA-SVM作为新的分类器。(3)在QGA-SVM算法和改进的量子Inception-ResNet-V1网络的基础上,与有关数据预处理技术相结合,进行皮肤病变图像分类实验。实验结果表明,QGASVM算法和改进的量子Inception-ResNet-V1网络的分类性能都有着优秀表现。其中,改进的量子Inception-ResNet-V1网络的性能更佳,分类准确率达到了98%。

关键词：量子计算遗传算法 Inception-ResNet-V1网络皮肤病变图像图像分类

来源：

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

基于深度学习和特征融合的皮肤病变图像分割研究

基于深度学习和特征融合的皮肤病变图像分割研究

引用

作者：丁相文吉林大学

学位级别：硕士

近年来,黑色素瘤的患病人数有着逐年上升的趋势。黑色素瘤对人们的健康造成了很大的威胁,对它的及早诊断和治疗非常有利于延长患者的生命。皮肤病变图像分割是对皮肤病变图像分类之前关键的一步,良好的分割结果将有助于提升皮肤疾病的... 详细信息

近年来,黑色素瘤的患病人数有着逐年上升的趋势。黑色素瘤对人们的健康造成了很大的威胁,对它的及早诊断和治疗非常有利于延长患者的生命。皮肤病变图像分割是对皮肤病变图像分类之前关键的一步,良好的分割结果将有助于提升皮肤疾病的分类正确率,帮助临床医生更好地进行诊断。采用人工方式对采集的皮肤病变图像进行标注等对医生的专业知识和经验有较高要求,而且会消耗医生较多的时间与精力,容易出现人为失误,开发自动对皮肤病变图像进行分割的算法就显得非常必要。同时,病理组织图像有着尺寸大小变化大、形状和边界不规则、背景信息复杂和边界模糊等特点,这些特点使得皮肤病理组织分割至今仍是一个非常有挑战性的问题。以深层卷积神经网络为基础的算法在计算机视觉方向表现了突出的效果,更是成为了图像分割任务的主流算法。许多研究者将深度学习方法应用到医疗图像分析问题上,取得了许多优秀的研究成果。在皮肤病变图像分割任务上,虽然现有分割算法取得了较好分割效果,但是它们仍有一些不足:(1)模型的特征提取能力受限,并不能为分割任务提供丰富的特征;(2)它们使用的特征融合方式比较低效,并没有选择更加重要的特征图,这也影响了皮肤病变图像的分割效果。针对这些问题,本文设计了一个编码器-解码器结构的皮肤病变图像分割模型。本文的主要工作如下:(1)调查研究了在语义分割和皮肤病变图像分割问题上的国内外研究现状,介绍了卷积神经网络的基本理论和经典模型。(2)提出了一个以编码-解码结构为基础的皮肤病变图像分割模型。为增强模型的特征提取能力,使用修改的Efficient Net作为支柱网络(backbone network);此外,为了提升模型对各个编码阶段生成特征图的特征融合效率,使用了门控完全特征融合模块来对编码阶段生成的各个特征图进行融合;最后,为了改进解码器的解码能力,使用了密集特征融合方式来改善特征;最终模型在皮肤病变图像上展现出了较好的分割效果,可用于构建计算机辅助诊断系统,提升黑色素瘤的诊治效率。(3)在ISIC-2017数据集和PH2数据集上进行了一系列实验,以验证本文提出模型的有效性。本文模型在ISIC2017和PH2数据集分别实现了87.55%和93.01%的Dice系数以及79.06%和87.52%的Jaccard系数,这离不开它使用的高效特征融合方式和更强解码能力的解码器,消融实验小节对此进行了较好的验证。与经典分割模型FCN-8s、Attention U-Net以及之前一些相关工作的对比都表明了提出方法的有效性。

关键词：皮肤病变图像语义分割深度学习特征融合

来源：

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

Swin-T与ConvNeXt多级融合的皮肤病变分类

引用

生物医学工程学杂志 2024年第3期41卷 544-551页

作者：王泽彤张俊华王肖云南大学信息学院昆明650500

皮肤癌是一个重要的公共卫生问题,计算机辅助诊断技术可以有效地减轻这一负担。在采用计算机辅助诊断时,准确识别皮肤病变类型至关重要。为此,本文提出一种基于Swin-T与ConvNeXt的多级注意力逐级融合模型,采用分层Swin-T与ConvNeXt分别... 详细信息

皮肤癌是一个重要的公共卫生问题,计算机辅助诊断技术可以有效地减轻这一负担。在采用计算机辅助诊断时,准确识别皮肤病变类型至关重要。为此,本文提出一种基于Swin-T与ConvNeXt的多级注意力逐级融合模型,采用分层Swin-T与ConvNeXt分别提取全局与局部特征,并提出残差通道注意力与空间注意力模块进一步提取有效特征;利用多级注意力机制对多尺度全局与局部特征进行处理;针对浅层特征因离分类器较远而丢失的问题,采用逐级聚合的思想,提出逐级倒置残差融合模块动态调整提取的特征信息。本文通过均衡采样策略以及焦点损失,解决皮肤病变类别不平衡的问题。在ISIC2018、ISIC2019数据集上进行测试,其准确率、精确率、召回率和F1-Score分别是96.01%、93.67%、92.65%、93.11%与92.79%、91.52%、88.90%、90.15%。与Swin-T相比,准确率分别提升了3.60%和1.66%;与ConvNeXt相比,准确率分别提升了2.87%和3.45%。实验表明,本文提出的方法能够准确分类皮肤病变图像,为皮肤癌的诊断提供了新的解决方案。

关键词： Swin-T ConvNeXt 多级注意力机制逐级倒置残差融合模块皮肤病变图像

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：