检索结果-南通市图书馆

Liver-Tumor Detection Using CNN resunet

Computers, Materials & Continua 2021年第5期67卷 1899-1914页

作者： Muhammad Sohaib Aslam Muhammad Younas Muhammad Umar Sarwar Muhammad Arif Shah Atif Khan MIrfan Uddin Shafiq Ahmad Muhammad Firdausi Mazen Zaindin Department of Computer Science Government College University FaisalabadFaisalabad38000Pakistan Department of IT and Computer Science Pak-Austria Fachhochschule Institute of Applied Sciences and TechnologyHaripur22620Pakistan Department of Computer Science Islamia College PeshawarPeshawarKPPakistan Institute of Computing Kohat University of Science and TechnologyKohatPakistan Department of Industrial Engineering College of EngineeringKing Saud UniversityRiyadh11421Saudi Arabia Department of Statistics and Operations Research College of ScienceKing Saud UniversityRiyadh11421Saudi Arabia

Liver tumor is the fifth most occurring type of tumor in men and the ninth most occurring type of tumor in women according to recent reports of Global cancer statistics *** are several imaging tests like Computed Tomography(CT),Magnetic Resonance Imaging(MRI),and ultrasound that can diagnose the liver tumor after taking the sample from the tissue of the *** tests are costly and *** paper proposed that image processing through deep learning Convolutional Neural Network(CNNs)resunet model that can be helpful for the early diagnose of tumor instead of conventional *** existing studies have mainly used the two Cascaded CNNs for liver segmentation and evaluation of Region Of Interest(ROI).This study uses resunet,an updated version of U-Net and ResNet Models that utilize the service of Residential *** apply over method on the 3D-IRCADb01 dataset that is based on CT slices of liver tumor affected *** results showed the True Value Accuracy around 99%and F1 score performance around 95%.This method will be helpful for early and accurate diagnose of the Liver tumor to save the lives of many patients in the field of Biotechnology.

关键词： Liver tumor diagnose resunet CNNs segmentation

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于生成对抗网络与resunet的细胞核图像分割

引用

光电子．激光 2023年第5期34卷 473-481页

作者：陈立魏钰欣刘斌陕西科技大学电子信息与人工智能学院陕西西安710021

细胞核的精准分割是病理诊断的基础工作,针对目前分割算法存在细小特征提取难、细节丢失多等问题,本文提出了一种基于生成对抗网络(generative adversarial network,GAN)与resunet的分割网络。首先将resunet网络作为生成网络(generator,... 详细信息

细胞核的精准分割是病理诊断的基础工作,针对目前分割算法存在细小特征提取难、细节丢失多等问题,本文提出了一种基于生成对抗网络(generative adversarial network,GAN)与resunet的分割网络。首先将resunet网络作为生成网络(generator,G),利用LeakyReLU激活函数使负值特征能够得到激活,其次再通过判别网络(discriminator,D)的判别损失值引导生成网络更好地学习。实验结果显示,在乳腺癌细胞核数据集和DSB数据集上MioU、Dice、Acc等评价指标分别达到82%、83%、95%和90%、90%、97%,较resunet网络分别提升了2.5%、3.3%、0.7%和0.7%、1.5%、0.8%。同时与SegNet、FCN8s等6种常用分割网络的分割结果对比均有提升,结果证明本文改进后的网络具有较好的分割准确率,可以为病理诊断工作提供重要依据。

关键词：图像分割细胞核图像生成对抗网络(GAN) resunet 激活函数

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

融合通道注意力机制的resunet作物病斑分割模型

引用

中国农机化学报 2024年第8期45卷 228-233页

作者：苏斐王光辉史艳霞贾然闫银发祖林禄山东农业大学机械与电子工程学院山东泰安271018 山东省园艺机械与装备重点实验室山东泰安271018 天津中德应用技术大学智能制造学院天津市300350

针对温室环境复杂背景下番茄早疫病病斑难以准确识别的问题,提出一种融合通道注意力机制的resunet模型。构建温室环境复杂背景下的番茄早疫病数据集;通过融合通道注意力机制的resunet模型进行病斑分割,其中resunet网络能够学习不同深度... 详细信息

针对温室环境复杂背景下番茄早疫病病斑难以准确识别的问题,提出一种融合通道注意力机制的resunet模型。构建温室环境复杂背景下的番茄早疫病数据集;通过融合通道注意力机制的resunet模型进行病斑分割,其中resunet网络能够学习不同深度特征的重要性,嵌入通道注意力机制使改进的模型更加关注病斑的位置特征。该模型对番茄叶部早疫病病斑分割的准确率为97%,比Unet和Resnet101模型分别提高1.99%和2.97%。将番茄早疫病病斑分割模型得到的骨干网络层参数和权重迁移到单一背景的辣椒结痂、苹果灰斑病、葡萄黑腐病等病斑分割模型,进行改进及参数的微调处理,均能实现病斑的准确分割。在研究算法基础上,设计智能诊断系统,可对作物病害进行快速准确诊断,为及时防控提供依据。

关键词：作物病斑番茄早疫病 resunet 注意力机制迁移学习智能诊断

来源：

维普期刊数据库博看期刊

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

一种基于resunet的晕渲图生成方法

引用

武汉大学学报(信息科学版) 2023年

作者：尹广志李少梅马京振吕东许卞成琳信息工程大学地理空间信息学院

地貌表示的技术与方法是地图制图学的重要研究内容，地貌晕渲图是在二维平面有效表现三维地貌的主要形式。针对当前计算机晕渲图表现效果有待提升的问题，提出了基于resunet深度学习模型，使用数字高程模型（digital elevation model，... 详细信息

地貌表示的技术与方法是地图制图学的重要研究内容，地貌晕渲图是在二维平面有效表现三维地貌的主要形式。针对当前计算机晕渲图表现效果有待提升的问题，提出了基于resunet深度学习模型，使用数字高程模型（digital elevation model，DEM）制作晕渲图的方法。通过构建具有对应关系的DEM和高质量手工晕渲样本集训练网络模型以实现任意区域基于DEM数据的晕渲图制作。实验结果表明，所提方法能够生成艺术性强、地貌表现效果好的晕渲图，晕渲图整体效果较大程度地接近手工晕渲作品；同时所提模型适用于大多数地貌类型；与UNet模型相比，所采用模型对不同分辨率DEM的适应性更强，且生成的晕渲视觉效果更优。

关键词：深度学习 resunet 地图制图地貌晕渲

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进resunet的乳腺癌细胞核图像分割

引用

无线电工程 2022年第12期52卷 2132-2140页

作者：陈立魏钰欣刘斌李硕陕西科技大学电子信息与人工智能学院陕西西安710021

细胞核精准分割是病理诊断的基础工作,针对目前乳腺癌细胞核图像重叠、粘连严重、边界不清晰等问题,提出了一种改进的残差U型分割模型。该模型在resunet模型每层通道连接处根据卷积层深浅不同添加了大小不同的残差路径,减小深浅层卷积... 详细信息

细胞核精准分割是病理诊断的基础工作,针对目前乳腺癌细胞核图像重叠、粘连严重、边界不清晰等问题,提出了一种改进的残差U型分割模型。该模型在resunet模型每层通道连接处根据卷积层深浅不同添加了大小不同的残差路径,减小深浅层卷积间的语义差距,充分进行图像间深、浅层特征信息的融合,有利于细胞核的定位和分割。实验结果显示,该模型在乳腺癌数据集上MIoU,Dice,Acc等评价指标分别达到81%,80%,95%,较resunet模型分别提升了1.8%,2.1%,0.6%。在DSB数据集上进行了验证,MIoU,Dice,Acc等评价指标较resunet模型分别提升了0.6%,1.6%,0.4%。验证结果表明,该模型具有较好的模型泛化能力和分割准确率,能够提高乳腺癌细胞核分割的精确度,为乳腺疾病诊断提供重要的依据。

关键词：图像分割乳腺癌细胞图像卷积神经网络 resunet 残差路径

来源：

维普期刊数据库

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

基于resunet的肝和肿瘤分割

基于ResUNet的肝和肿瘤分割

引用

作者： Muhammad Waheed Sabir 西安科技大学

学位级别：硕士

生物医学图像处理是人工智能和计算机视觉的一个交叉研究领域,提供了复杂和自动化的技术,以解决问题并提升性能。这对于医生利用先进的技术和方法进行疾病的自动诊断并取得准确的诊断结果具有重要意义。医学图像分割用于在早期诊断各种... 详细信息

生物医学图像处理是人工智能和计算机视觉的一个交叉研究领域,提供了复杂和自动化的技术,以解决问题并提升性能。这对于医生利用先进的技术和方法进行疾病的自动诊断并取得准确的诊断结果具有重要意义。医学图像分割用于在早期诊断各种疾病,同时不同种类医学图像的分割是医学图像分析的主要部分,例如分割肝器官或其他人体器官。如今,随着肝癌患者的增加,肝器官分割己经逐渐成为是一个亟待解决的问题。虽然目前许多肝脏的自动分割技术有所发展,但由于肝脏与其他器官位置上模糊背景上复杂,肝脏边界的复杂和肝脏外观的多样性,使得肝脏的分割仍然是一项艰巨的任务。因此,开发一种从CT扫描中自动分割肝脏和肿瘤的方法对肝癌诊断分析具有重要意义。因此,在本课题的研究中,我们专注于开发基于CNN的训练模型,以基于resunet分割肝脏和肝脏肿。首先,我们描述了肝癌疾病和医学模式,以突出肿瘤对人体的影响,然后描述了与这些模式相关的各种问题。肝癌是全球最主要的致死癌症之一。从3D生物医学图像或CT扫描中自动分割肝脏对于许多临床应用是一项非常重要并且极具挑战性的任务,如手术规划、肝脏疾病、术后分析等,它可以帮助医生更快、更准确地分割肝脏肿瘤。此外,由于肝肿瘤与其他器官在强度值上的重叠和位置上的变异性,进一步增加了从肝脏分割肿瘤的难度。其次,介绍了一些用于肝脏分割和肿瘤分割的CNN模型,如U-Net,ResNet-50和VGGNet-19。但我们发现,这些CNN训练模型结构复杂,分割边界模糊,仍然不能提供足够的信息来分割肝脏和肿瘤。第三,使用CNN解决了肝脏和肿瘤分割遇到的问题,在IRCAD的3D-IRCADb01数据集上使用resunet模型,该数据集包含患者的CT切片以及肝脏、肿瘤和其他身体器官的遮罩。resunet是U-Net和ResNet 的混合组合,其中使用残差块而不是传统的卷积块。在我们的技术中,采用了不同的策略,如3-slice法;使用VGGNet-19和RestNet-50作为基础网络和resunet方法。我们通过检查肝脏和肿瘤的最终结果,对比不同策略组合的效果。数据集包含10名女性和10名男性,其中75%的病例中患有肝肿瘤。我们使用两种级联CNN方法,一种用于分割肝脏并提取ROI,第二种用于从第一个CNN中提取ROI并分割肿瘤。获得了高达95%的骰子系数和99%的真值准确度,结果表明,我们的方法给予最好的DICE分数。最后,重申了研究特点和创新,明确提出的方法提供了更好的效果,更有效的损失函数的基础,交叉数据集的交叉应用,这可以改善从任何数据集分割腹部器官的模式。如利用resunet的优点,从DICOM图像中分割心脏和血管,从MRI中分割肝脏等。

关键词：肝脏分割肿瘤分割 resunet 深度学习 CNN

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

基于改进resunet的结肠镜图像和3D-MRI影像分割方法的研究

基于改进ResUnet的结肠镜图像和3D-MRI影像分割方法的研究

引用

作者：洪海云厦门大学

学位级别：硕士

肠道息肉是结肠癌早期为数不多的主要症状之一,其诊断方式通常是由医生阅片并标注出息肉病灶区域后进行良恶性息肉鉴别诊断。由于在结肠镜图像中息肉区域和非息肉区域之间的颜色、纹理等特征差异并不明显,导致医生很难只靠肉眼判断就给... 详细信息

肠道息肉是结肠癌早期为数不多的主要症状之一,其诊断方式通常是由医生阅片并标注出息肉病灶区域后进行良恶性息肉鉴别诊断。由于在结肠镜图像中息肉区域和非息肉区域之间的颜色、纹理等特征差异并不明显,导致医生很难只靠肉眼判断就给出精确的标注结果,这直接影响了后续的息肉筛查率。因此,如何运用机器学习方法提高结肠息肉的筛查率具有很强的现实应用意义。为了解决结肠镜图像中的肠道息肉病灶区域精准分割问题,本文基于Kvasir-SEG肠道息肉数据集,搭建了一个基于深度学习的肠道息肉病灶区域分割框架,并针对数据样本量少、数据类别不均衡导致息肉筛查准确率低等问题对该框架进行了持续改进。本文主要工作如下:1、设计了一个基于深度学习的肠道息肉病灶区域分割框架（命名为PolypSeg-DL）,并利用SegNet、U-Net和resunet等多种经典CNN图像语义分割网络模型对其进行了仿真实现,依据实验结果进行了对比分析和网络筛选。2、为了解决PolypSeg-DL框架分割结果精度低等问题,本文分别从网络结构、损失函数和模型推断等三个方面对PolypSeg-DL框架进行了持续改进,提出了一种基于改进resunet的肠道息肉病灶区域分割框架（命名为PolypSeg-MRU）。在网络结构上,本文引入VGG-16、ResNet-18和DenseNet-121等基于ImageNet的预训练模型编码器加速网络收敛和提高分割性能;在损失函数上,本文探讨了两种最新的损失函数对模型分割性能的影响,并设计出一种新的加权损失函数来提高息肉区域的分割精度;在模型推断上,本文将贝叶斯近似推断理论应用于分割网络中,进一步提高了息肉病灶区域的边缘分割效果。3、为了进一步验证改进方法的有效性,本文将适用于2D息肉图像的PolypSeg-MRU分割框架拓展为3D医学图像分割框架（命名为3D-Res-resunet）,并将其应用于3D-MRI影像数据集中,实验结果表明3D-Res-resunet分割模型分割效果良好,平均Dice相关系数高达85%。

关键词：医学影像分割 resunet 结肠镜息肉

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

面向CBCT图像口腔移植骨区域分割的改进resunet网络

引用

智能计算机与应用 2023年第12期13卷 38-45页

作者：李辉丁德锐王凤庄敏杰朱天佑上海理工大学光电信息与计算机工程学院上海200093 上海交通大学医学院附属第九人民医院口腔种植科上海200011

口腔移植骨区域自动分割在计算机辅助诊断中具有重要的临床意义。针对口腔移植骨区域大小不一,形状相异以及正负样本不平衡等特点,提出一种改进的resunet深度学习网络,实现对口腔移植骨区域的自动分割。该算法设计了一个新颖的通道敏感... 详细信息

口腔移植骨区域自动分割在计算机辅助诊断中具有重要的临床意义。针对口腔移植骨区域大小不一,形状相异以及正负样本不平衡等特点,提出一种改进的resunet深度学习网络,实现对口腔移植骨区域的自动分割。该算法设计了一个新颖的通道敏感注意力,用来捕获所有通道特征图之间的相互依赖关系,进而使用空间注意力关注这些通道特征上感兴趣的区域,提升口腔移植骨区域分割的准确性。实验结果表明,在口腔移植骨区域自动分割任务中,本文所提算法性能均优于目前医学图像分割的主流方法。

关键词：植骨区域分割 resunet 通道敏感注意力

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

基于3D resunet网络的肺结节分割

引用

中国医学物理学杂志 2019年第11期36卷 1356-1361页

作者：张倩雯陈明秦玉芳陈希上海海洋大学信息学院上海201306 农业部渔业信息重点实验室上海201306

目的:将深度残差结构和U-Net网络结合形成新的网络resunet,并利用resunet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域。方法:使用的CT影像数据来源于LUNA16数据集,首先对CT图像预处理提取出肺实质,然后对其截取立体图像... 详细信息

目的:将深度残差结构和U-Net网络结合形成新的网络resunet,并利用resunet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域。方法:使用的CT影像数据来源于LUNA16数据集,首先对CT图像预处理提取出肺实质,然后对其截取立体图像块并进行数据增强来扩充样本数,形成相应的肺结节掩膜图像,最后将生成的样本输入到resunet模型中进行训练。结果:本研究模型最终的精度和召回率分别为35.02%和97.68%。结论:该模型能自动学习肺结节特征,为后续的肺癌自动诊断提供可靠基础,减少临床诊断的成本并节省医生诊断的时间。

关键词：肺结节分割深度残差结构召回率 resunet

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

基于resunet对抗网络的脑瘤图像分割方法

引用

微型电脑应用 2021年第7期37卷 13-15,20页

作者：罗耀广东机电职业技术学院计算机与设计学院广东广州510550

定位病灶并将病灶分离出来一直是图像医学研究的热点,为快速准确地将脑肿瘤从脑部磁共振图像中分离出来,在了解传统脑肿瘤分割方法不足之处后,提出了基于resunet对抗网络的磁共振图像脑肿瘤分割方法。它的总框架是生成对抗网络,在对抗... 详细信息

定位病灶并将病灶分离出来一直是图像医学研究的热点,为快速准确地将脑肿瘤从脑部磁共振图像中分离出来,在了解传统脑肿瘤分割方法不足之处后,提出了基于resunet对抗网络的磁共振图像脑肿瘤分割方法。它的总框架是生成对抗网络,在对抗网络的生成器部分内嵌resunet。这种结构使得此语义分割的神经网络具有对抗网络无需在学习过程中进行推断的优点,具有残差网络的梯度不易消失的优点,同时能充分发挥Unet的特点。最后,以某医院提供的磁共振成像图片为样本经行训练,在与两种传统方法比较结果后,证明此方法有一定优势。

关键词：生成对抗网络 resunet 卷积神经网络 MRI 脑瘤分割

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

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

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：