检索结果-南通市图书馆

检索条件"主题词=自约束网络"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的脑肿瘤MR图像分割与实现

基于深度学习的脑肿瘤MR图像分割与实现

引用

作者：吴勇临沂大学

学位级别：硕士

近年来,随着社会发展和人们生活方式的改变,脑肿瘤等脑血管疾病逐渐成为我国致死率极高的疾病。磁共振成像(Magnetic Resonance Imaging,MRI)可生成无损伤、无颅骨伪影的多模态脑影像,同时对人体无伤害,为临床医生研究脑肿瘤及其他脑部... 详细信息

近年来,随着社会发展和人们生活方式的改变,脑肿瘤等脑血管疾病逐渐成为我国致死率极高的疾病。磁共振成像(Magnetic Resonance Imaging,MRI)可生成无损伤、无颅骨伪影的多模态脑影像,同时对人体无伤害,为临床医生研究脑肿瘤及其他脑部疾病提供重要的参考信息,因此经常被用于的脑部疾病地诊断和治疗。正常脑肿瘤MR图像脑部组织可分为肿瘤区、脑脊液、脑灰质和脑白质,在肿瘤区域根据病情发展情况又可分为坏死区域、增强区域和水肿区域。因此在脑肿瘤地诊断和治疗中,需要将肿瘤区域与正常脑组织分开,甚至需要对脑肿瘤的子区域进行分割。针对以上情况,本文以多模态脑肿瘤MR图像为基础,针对脑肿瘤MR图像分割展开了研究,主要工作如下:本文提出一种基于多分辨率的双编码器自约束分割网络。该网络由一个多分辨率的双编码器、多分辨率注意力解码器和一个自约束模块构成。多模态图像分两条路径输入到编码器中,分别提取不同的特征;解码器阶段加入了卷积空间注意力机制(Convolution Spatial Attention Module,CSAM),保留了原始图像中的重要信息;自约束模块能够将输出的分割概率图与原始的输入图像相乘,得到一个区域灰度图,再对输出结果和该区域灰度图进行约束求损失函数,该模块加强了对网络的整体约束;同时在网络中设计了结合交叉熵(Binary Crossentropy)损失函数、Focal损失函数和Dice损失函数的综合损失函数。最终得到了脑肿瘤、脑脊液、脑灰质和脑白质的相似性系数指标分别为91%、78%、82%、86%。另外,本文提出一种改进的MRes-U＿Net网络用于脑肿瘤子区域分割。该网络能够有效地利用图像特征信息进行学习训练,同时结合图像的低级轮廓信息和高级语义信息,利用残差网络结构防止梯度消失。最终在肿瘤增强区域、核心区域及全肿瘤区域的相似性系数指标分别达到了80.1%、87%和91.9%;豪斯多夫距离指标分别达到了11.705 mm、14.122 mm和18.842 mm;平均表面对称距离指标分别达到了0.744 mm、1.991 mm和1.786 mm。

关键词：脑肿瘤分割 MR图像自约束网络多残差U＿Net

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

基于单目图像的三维人体姿态估计

基于单目图像的三维人体姿态估计

引用

作者：何学胜安徽大学

学位级别：硕士

单目图像的三维人体姿态估计问题是近些年的热门研究课题,研究成果可应用于智能人机交互、智能视频监控、虚拟现实和图像检索等多个领域。然而,从单目图像中推测人体的三维空间结构包含诸多难点,如遮挡问题、深度信息缺失问题和人体姿... 详细信息

单目图像的三维人体姿态估计问题是近些年的热门研究课题,研究成果可应用于智能人机交互、智能视频监控、虚拟现实和图像检索等多个领域。然而,从单目图像中推测人体的三维空间结构包含诸多难点,如遮挡问题、深度信息缺失问题和人体姿态歧义性问题等。本文基于两阶段的方法预测单目图像三维人体姿态,首先利用先进的二维关节探测器估计图像的二维姿态,然后以二维关节坐标作为输入数据回归三维姿态。针对于数据类型的不同,分别探究了从单张图像和序列帧图像中预测三维姿态的算法过程,其主要工作概括如下:(1)基于分组回归的三维人体姿态估计。结合人体运动独立性特点,对单张图片三维人体姿态估计算法基线进行改进,提出了分组回归网络,以提高对输入数据的利用程度,并且加强人体中强相关关节点之间的联系,避免弱相关关节点之间的错误影响。首先,将需要预测的人体主要关节点划分为左手、右手、左腿、右腿和主体五个部分;然后利用相同结构的网络分别回归五组关节点;最后将预测结果合成为三维姿态。为了使预测结果更符合正常姿态,分组回归的输出还需要通过一个自约束的语法网络,调整输出至与人体运动惯性特点相适应。在多个公开数据集中的实验结果表明,分组回归到自约束调整的方法优于目前的一些先进方法。(2)基于时序卷积的三维人体姿态估计。为了避免单张图片中的关节遮挡导致预测难度提升,本文选择以视频序列中的二维关节运动轨迹作为三维人体姿态预测模型的输入数据。参考二维关节探测网络的设计理念,对原时序卷积模型加入了中间监督结构,以及采用池化函数替换了原网络中的切片函数。中间监督结构让每一个时序卷积模块都输出一个三维姿态参与网络的损失函数的计算,池化函数保障了残差连接结构中累加数据的特征完整性。此外,针对于二维关节运动轨迹中存在的噪声点对预测结果的影响,设计出二维关节滤波器,以定位并修正较明显的噪声点。在常见的三维人体姿态数据集中的结果表明,改进后的模型具有更高的精准度和出色的抗噪能力。

关键词：三维人体姿态两阶段分组回归时序卷积自约束网络二维关节滤波器

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：