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

CRF 3d-unet肺结节分割网络

计算机工程与设计 2020年第6期41卷 1663-1669页

作者：侯腾璇赵涓涓强彦王三虎王磐太原理工大学信息与计算机学院山西晋中030600 吕梁学院计算机科学与技术系山西吕梁033000

为提高计算机辅助诊断系统(computer-aided diagnosis,CAd)对肺结节的正确检出率,经过实验,提出融合3d-unet和全连接条件随机场方法(fully connected conditional random fields)的网络模型,简称CRF 3d-unet网络,对肺结节进行分割。前... 详细信息

为提高计算机辅助诊断系统(computer-aided diagnosis,CAd)对肺结节的正确检出率,经过实验,提出融合3d-unet和全连接条件随机场方法(fully connected conditional random fields)的网络模型,简称CRF 3d-unet网络,对肺结节进行分割。前端使用3d-unet网络结构,整合结节的空间信息和上下文信息提取不同分辨率级别的特征,对结节实现粗略分割;后面框架使用全连接条件随机场技术,随机场中考虑像素之间的关联性,编码像素的手工特征对前端的输出进行优化,实现结节的细分割。实验结果表明,该算法有效提高了肺结节分割的准确率,使得分割精度达到93.25%。

关键词：全连接条件随机场肺结节的分割 3d-unet 空间信息上下文信息

在线全文

学校读者我要写书评

暂无评论

基于3d-unet的sMRI图像分割研究

现代电子技术 2023年第23期46卷 71-74页

作者：袁雪陈茂洲昆明理工大学信息工程与自动化学院云南昆明650500

脑成像时需要关注的是脑组织的结构和功能,去除颅骨等非脑组织可以减少噪声和干扰,提高图像质量以及后续数据分析的准确性。文中采用3d-unet模型去除结构磁共振成像(sMRI)图像中的非脑组织。结果表明,所提3d-unet模型能有效提取脑组织,... 详细信息

脑成像时需要关注的是脑组织的结构和功能,去除颅骨等非脑组织可以减少噪声和干扰,提高图像质量以及后续数据分析的准确性。文中采用3d-unet模型去除结构磁共振成像(sMRI)图像中的非脑组织。结果表明,所提3d-unet模型能有效提取脑组织,其图像分割的准确率为0.947,召回率为0.833,精度为0.886。该研究为后续脑组织分割、配准和体积量化等提供了基础。

关键词：结构磁共振成像深度学习图像分割非脑组织 3d-unet 编码器解码器跳跃连接

基于改进后的3d-unet肺结节图像检测研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

科技资讯 2020年第24期18卷 217-219页

作者：陈星宇西南大学数学与统计学院重庆400715

肺结节检测技术目前是医学图像处理领域中的一个热门研究课题。该文旨在探讨如何快速有效地完成打通整个肺结节检测的流程,实现对输入的胸部CT图像进行肺结节检测。该文利用patch与patch之间的空间关系,针对数据集进行合理的数据增强和... 详细信息

肺结节检测技术目前是医学图像处理领域中的一个热门研究课题。该文旨在探讨如何快速有效地完成打通整个肺结节检测的流程,实现对输入的胸部CT图像进行肺结节检测。该文利用patch与patch之间的空间关系,针对数据集进行合理的数据增强和模型调优,提高模型泛化能力。使用图像分割检测图像中所有可能是肺结节的区域,生成候选集,使用一种基于改进后的3d-unet医学图像处理模型对上一步骤生成的结果进行分类,剔除假阳性的候选,保留真正的结节,实现对输入的胸部CT图像进行肺结节检测。该技术不仅可用于肺结节CT智能诊断,也能应用于甲状腺癌、乳腺癌、脑瘤、肾癌、肝癌等重大疾病,具有重要的医学价值和社会价值。

关键词： 3d-unet 图像分割肺结节机器学习

在线全文

学校读者我要写书评

暂无评论

基于双路径网络的端到端肺结节检测模型

计算机工程与设计 2020年第12期41卷 3503-3509页

作者：张晓宇强彦 Zia Ur Rehman 太原理工大学信息与计算机学院山西晋中030600

为解决肺结节检测方法复杂、耗时且存在检测结果假阳性率高的问题,提出基于双路径网络(daul-path network,dPN)的肺结节自动检测模型。使用dPN自动提取深度特征,结合残差网络和密集连接网络实现特征复用;候选框提取使用三维编码解码网... 详细信息

为解决肺结节检测方法复杂、耗时且存在检测结果假阳性率高的问题,提出基于双路径网络(daul-path network,dPN)的肺结节自动检测模型。使用dPN自动提取深度特征,结合残差网络和密集连接网络实现特征复用;候选框提取使用三维编码解码网络结构,融合结节空间信息和上下文信息准确定位结节位置,生成多尺度候选框;将网络嵌入基于区域的全卷积网络框架中对结节实现分类。实验结果表明,该算法有效提高了结节检出率和检测速度,灵敏度达到90.5%,一个序列的肺部CT图像的处理时间为5.9 s。

关键词：肺结节检测 3d-unet 特征提取双路径网络深度学习

基于改进unet的肺癌放疗剂量分布预测及相似放疗计划搜索

在线全文

学校读者我要写书评

暂无评论

基于改进Unet的肺癌放疗剂量分布预测及相似放疗计划搜索

作者：张晓颖厦门大学

学位级别：硕士

面向不同肺癌患者病灶区域,自动化生成一个可行的剂量分布并获得放疗计划配置参数,从而辅助物理师快速有效生成一个临床可用的放疗计划,可以有效减少物理师的制作放疗计划的时间、提高制作放疗计划的准确性以及减低因放疗计划不精准造... 详细信息

面向不同肺癌患者病灶区域,自动化生成一个可行的剂量分布并获得放疗计划配置参数,从而辅助物理师快速有效生成一个临床可用的放疗计划,可以有效减少物理师的制作放疗计划的时间、提高制作放疗计划的准确性以及减低因放疗计划不精准造成患者身体不必要的伤害。因此,利用机器学习算法进行自动化放疗计划制作具有较强的现实应用价值。本文针对放疗剂量分布的预测以及放疗计划配置参数提取任务需求,首先提出了一种基于2d-unet的剂量分布预测框架,针对该框架出现的预测准确性偏低、泛化性不强以及无法直接给出放疗计划配置参数等问题,进行了持续研究。本文主要内容如下:1、提出了一种基于2d-unet的剂量分布预测框架PF-RddM-2dunet,并在183例真实肺癌患者的放疗计划数据上进行了仿真实验。实现结果表明其能够初步完成剂量分布的预测任务,但是准确率低,对靶区和危及器官的剂量分布预测不够理想,同时还存在着不同处方剂量下泛化性不足等问题。2、为了解决PF-RddM-2dunet的准确性低和泛化性不强的缺点,本文提出了一种基于改进3d-unet的放疗剂量分布预测框架PF-RddM-I3dunet。将2d-unet改造成3d-unet,并在3d-unet网络结构中引入压缩-奖惩SE和残差连接等两个模块强化模型特征提取能力,在损失函数中加入靶区预测剂量与处方剂量的均方误差损失强化靶区剂量的预测效果。实验结果表明PF-RddM-I3dunet能够大幅度提高剂量分布的预测的准确性和较好地解决了对不同处方剂量的泛化能力,能够有效完成剂量分布的预测任务。3、为了解决PF-RddM-I3dunet无法直接提取出放疗计划配置参数问题,本文提出了一种基于3d-Resnet34和Triplet-Loss的相似放疗计划搜索框架SSFPdRes34RL。该框架首先利用三元组损失神经网络,分别提取金标准剂量分布之间的相似特征向量和不相似特征向量,构建特征数据库。然后利用PF-RddM-I3dunet对新患者预测其剂量分布,并与特征数据库中的特征数据逐一进行相似度量,获得前5个最相似金标准对应的放疗计划参数。实验结果表明,SSFPdRes34RL搜索框架的召回率在90%左右,能够很好的满足相似放疗计划的搜索任务。

关键词：剂量分布预测放疗计划搜索 3d-unet

基于深度学习的医学图像分割算法的优化与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的医学图像分割算法的优化与实现

作者：李昭延电子科技大学

学位级别：硕士

恶性肿瘤一直是危害人类健康的主要疾病之一,其发病率和死亡率一直居高不下。在治疗肿瘤的放化疗过程中,对肿瘤区域的靶区与周围重要器官的分割一直处于重要地位。此前由医生进行的人工分割成本巨大,如何进一步减轻医生的工作量,提高治... 详细信息

恶性肿瘤一直是危害人类健康的主要疾病之一,其发病率和死亡率一直居高不下。在治疗肿瘤的放化疗过程中,对肿瘤区域的靶区与周围重要器官的分割一直处于重要地位。此前由医生进行的人工分割成本巨大,如何进一步减轻医生的工作量,提高治疗的效率一直是近年来的研究热点。随着人工智能技术的快速发展,深度学习算法在计算机辅助诊断中取得了突破性的应用。基于深度学习的图像分割算法应用在医学领域,能够快速地实现自动化的靶区勾画与器官分割,减缓医疗资源的紧张,提高患者的就医率。对治疗恶性肿瘤意义重大。本文主要是对基于深度学习的医学图像分割算法3d-unet进行研究优化与实现。主要贡献如下:1.提出了一种水平深度多尺度的U型卷积神经网络(Level depth Multiscale U-net,LdM-unet)分割算法,基于3d-unet,在水平层采用多卷积堆叠方式提取多尺度信息,提高网络对不同尺度目标的感知能力,在各深度层利用空洞卷积提取不同深度的空间结构信息,避免连续池化带来的信息损失,从而提高网络的分割性能。在公开数据集BraTS 2018上对WholeTumor,TumorCore以及EnhancingTumor的分割dice系数分别取得了0.82,0.73,0.64的结果。2.提出了一种多分辨率并行的U型卷积神经网络(Multi-resolution U-net,MRunet)分割算法,维持多个不同分辨率的子网,子网之间采用并行的连接方式,进行密集的信息交换,避免了传统串行网络通过上采样恢复分辨率造成的空间位置不准确问题。在公开数据集BraTS 2018上对WholeTumor,TumorCore以及EnhancingTumor的分割dice系数分别取得了0.84,0.77,0.71的结果。3.将上述的模型算法应用在华西结直肠癌CT图像上,提出一种手动特征提取方法,对CT图像数据进行多种方式的特征提取,增加图像的通道数,提升图像中的信息容量,对数据进行扩充。使用新的带权损失函数解决图像分割中类别不均衡问题,对算法进行工程上的优化与实现,完成结直肠癌的临床靶区的勾画与器官的分割。

关键词：医学图像分割深度学习 3d-unet 卷积神经网络空洞卷积

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的偏振遥感图像云检测研究

基于深度学习的偏振遥感图像云检测研究

作者：葛凯安徽大学

学位级别：硕士

随着遥感技术的快速发展,遥感图像在对地观测、资源调查、环境监测与保护等方面的应用价值越来越大。但大多数遥感图像被云层污染,这降低了遥感图像的质量,影响到了后续应用。此外,云作为地球的地气耦合系统的重要调节器之一,在地球的... 详细信息

随着遥感技术的快速发展,遥感图像在对地观测、资源调查、环境监测与保护等方面的应用价值越来越大。但大多数遥感图像被云层污染,这降低了遥感图像的质量,影响到了后续应用。此外,云作为地球的地气耦合系统的重要调节器之一,在地球的辐射平衡、水循环和气候变化中起着关键作用。因此,快速准确的云层检测是遥感图像应用的前提,同时也有助于为云和气溶胶参数的反演以及海色特征的研究提供有效的数据源。相较于传统光学遥感手段,卫星偏振遥感在大气探测方面具有更大的优势,这是因为云和气溶胶对偏振信息的变化更加敏感。偏振遥感卫星的任务是获取多个波段、多个角度的偏振辐射和反射信息,为大气环境监测和全球气候变化提供遥感数据支持。现有的针对于偏振遥感图像的云检测方法主要是利用云与下垫面的反射率和偏振反射率差异来检测云区。但这种阈值法无法提供较高的检测精度,且泛化性能不足。深度学习模型可以自动从图像中提取特征并完成端到端的训练,这种基于卷积神经网络的自动特征提取为云层地检测提供了更高的精度。因此,本文从深度学习的理论出发,对偏振遥感图像的云检测进行研究。本文的主要研究内容包括以下两个方面:(1)针对常规的语义分割方法对低分辨率遥感图像的分割效果不好的问题,本文提出了一种基于改进3d-unet网络的云检测模型,能够实现对偏振遥感图像云层目标的像素级分割。该模型以3d-unet网络为基础网络,其中的3d卷积层不仅可以提取偏振遥感图像中的空间特征,还可以提取到角度特征,同时在输入数据中加入偏振图像从而提取到偏振特征。在模型中,引入了通道注意力机制来突出重要波段的信息,抑制冗余信息。此外,还加入残差模块来代替下采样过程中的卷积层,在避免网络退化的基础上加深网络,提高网络的表达能力。通过实验表明,该模型的云检测准确率要优于基于2d卷积的卷积神经网络,表明了3d卷积对多通道的3d数据的特征提取能力。通过消融实验表明,引入的通道注意力机制和残差模块都起到了一定的作用,云检测效果要优于基础的3d-unet模型,实现了较高精度的端到端云检测。(2)为了降低薄云区域和海洋耀光区域的误识别率,进一步提升云检测精度,提出了基于多模态融合的偏振遥感图像云检测模型。在该云检测模型中,设计了基于交叉注意力的多模态融合模块来协同融合反射率图像的空间-角度-光谱特征和偏振图像的偏振特征。该模型是在改进的3d-unet模型的基础上,将输入数据分为三个模态输入到网络中,然后利用交叉注意力融合模块来融合不同模态的特征,以有效地提取和利用偏振图像的偏振特征,提升云检测精度,尤其是薄云和海洋耀光区域等需要偏振信息的区域。实验表明多模态融合网络可以有效地利用到偏振信息,不仅能够提升整体的云检测精度,在一些特定区域也能实现有效的云检测。此外,实验表明交叉注意力融合模块也能够有效地提高不同模态特征的融合效果。

关键词：云检测 3d-unet 深度学习偏振遥感图像多模态融合

基于多谱图像融合的浅层震源聚焦定位方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多谱图像融合的浅层震源聚焦定位方法研究

作者：赵飞飞中北大学

学位级别：硕士

浅层地震源的定位是浅层地震勘探中的一个热门课题,它在浅层爆炸、工程爆破、煤矿勘探等领域有着广泛的应用。目前浅层定位主要借鉴深层震源定位方法,主要包括以下3种:（1）基于走时定位方法;（2）基于速度位置联合的定位方法;（3）基... 详细信息

浅层地震源的定位是浅层地震勘探中的一个热门课题,它在浅层爆炸、工程爆破、煤矿勘探等领域有着广泛的应用。目前浅层定位主要借鉴深层震源定位方法,主要包括以下3种:（1）基于走时定位方法;（2）基于速度位置联合的定位方法;（3）基于逆时偏移的定位方法。由于逆时偏移的定位方法不需要进行走时拾取,直接利用波形的所有信息,且能够在低信噪比条件下的实现定位,是近年的研究热点。然而,与深层地层结构相比较,浅层地层结构复杂,震动波传输信道随时空变化较大,以至于检测到的震动波具有波形复杂、多频率波形混叠与频散严重等特点,直接采用深度震源定位方法和利用全频信号对地下浅层定位,会产生较大定位误差,难以满足地下浅层震源高精度定位的需求。针对上述问题,本文重点研究了利用特征频率聚焦成像与多谱融合的地下浅层震源高精度定位方法。根据震动波在介质传播过程中其频率特征不受传播介质的影响的特点,利用爆炸震动信号的宽频谱特性及高频信号逆时成像具有更好的聚焦特性的优点,本文提出了一种基于主频率成分逆时聚焦成像与基于深度学习的多谱图像融合定位方法,有效提高了地下浅层空间的震源位置精确度。首先,使用变分模态分解（VMd）方式对传感器收集到的信息进行多频主成分分解和提取;之后利用逆时聚焦方法对各模态频率分量进行逆时反演重建,形成三维能量场聚焦图像;最后,利用3d-unet深度学习模型,并结合注意力机制,进行多谱能量场聚焦图像融合,通过多谱能量场对应系数的自适应调整,生成融合网络模型,并与传统在全频信号下的逆时聚焦、QPSO及神经网络定位进行了对比分析,验证了本文所提方法的有效性。本文通过仿真模拟实验和外场工程试验对所提方法进行了验证。验证结果表明,本文所提出的基于主频率成分逆时聚焦成像与基于深度学习的多谱图像融合定位方法,可有效提高地下浅层震源定位得精确度。在100*100*50m区域范围内进行地下爆炸的外场工程试验中,采用本文方法的RMSE定位误差在0.5 m以内。

关键词：浅层定位能量场重建信号分解图像融合 3d-unet