期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
深度卷积网络模型可自动识别与分割胰腺及其肿瘤:基于3D V-Net 被引量：2
1
作者 陈菲 李茂林 +1 位作者 蒋玉婷 李康安 《分子影像学杂志》 2024年第11期1170-1175,共6页
目的探讨基于V-Net的深度卷积神经网络模型在胰腺及其肿瘤自动识别和分割任务中的有效性和可行性。方法回顾性分析2012年5月~2019年11月于上海交通大学医学院附属第一人民医院就诊且经病理证实为胰腺癌的186例患者的增强CT影像资料,经... 目的探讨基于V-Net的深度卷积神经网络模型在胰腺及其肿瘤自动识别和分割任务中的有效性和可行性。方法回顾性分析2012年5月~2019年11月于上海交通大学医学院附属第一人民医院就诊且经病理证实为胰腺癌的186例患者的增强CT影像资料,经过筛选,共纳入108例胰腺癌病例,随机搜集同期37例正常胰腺病例用于对照,最终共纳入145例数据,构成本研究的数据集。采用五折交叉验证方法,在动脉期CT图像上进行人工标注感兴趣区域(ROI),包括胰腺头颈部、体尾部和肿瘤,通过计算敏感度、特异度、F1分数等指标评估模型对胰腺肿瘤的识别能力,并进行Kappa一致性验证。采用Dice系数定量评估模型的分割能力,并获取可视化结果进一步评估。结果基于V-Net的模型识别胰腺肿瘤的敏感度为0.852、特异度为1.000、阳性预测值为1.000、阴性预测值为0.698,F1分数高达0.920。一致性验证显示,Kappa系数为0.746(P<0.05)。在分割任务中,胰腺肿瘤、胰腺体尾部和胰腺头颈部的Dice系数分别为0.722±0.290、0.602±0.175、0.567±0.200。结论本研究构建基于VNet的深度卷积网络模型,有效完成了胰腺及其肿瘤自动识别与分割,验证了该方法的有效性和可行性,为探索胰腺肿瘤领域人工智能应用提供有力支持。 展开更多
关键词 胰腺肿瘤 v-net 深度学习 卷积神经网络 人工智能 自动分割
在线阅读 下载PDF
基于改进的V-Net模型肺结节分割算法的研究 被引量：1
2
作者 李丽 林晓明 +1 位作者 彭丰平 潘家辉 《计算机技术与发展》 2024年第4期82-88,共7页
由于CT图像是三维图像,在原始的V-Net模型分割中,易出现结节漏检和边界分割不清晰,以及损失函数Dice训练时不稳定等问题。根据这些问题,提出3D多尺度SE V-Net,简称MSEV-Net网络,同时通过联合损失函数来提高训练的稳定性。该网络模型在V-... 由于CT图像是三维图像,在原始的V-Net模型分割中,易出现结节漏检和边界分割不清晰,以及损失函数Dice训练时不稳定等问题。根据这些问题,提出3D多尺度SE V-Net,简称MSEV-Net网络,同时通过联合损失函数来提高训练的稳定性。该网络模型在V-Net网络的基础上,使用多尺度卷积模块来替换原有的5×5×5卷积,同时在残差连接后加入SE通道注意力模块,通过不同尺度的特征融合和学习不同通道之间的关系,解决肺结节小不易分割的问题。同时在V-Net网络残差连接基础上加一条短跳跃连接,使得整个网络更好利用全局特征。联合损失函数选择Dice和交叉熵损失函数进行融合,可以很好地解决训练不稳定问题。提出的MSEV-Net网络模型和联合损失函数在平均分割准确率PA达到0.998,DSC达到0.837。实验结果表明,该方法在提高肺结节分割精度方面具有一定的效果。 展开更多
关键词 肺结节分割 v-net网络 联合损失函数 多尺度卷积 SE模块
在线阅读 下载PDF
改进的V-C-Net卷积神经网络脑肿瘤图像多层次分割实验 被引量：1
3
作者 莫修源 吴丽丽 陆志翔 《软件工程》 2022年第12期37-43,共7页
针对脑肿瘤分割研究中对肿瘤边缘分割不够精确,分割目标较小而背景因素过大的问题,提出改进的V-C-Net卷积神经网络模型。在原始的V-Net模型基础上,加入CBAM混合注意力机制,使模型更关注脑肿瘤图像的病变部分,结合三种损失函数优点并与... 针对脑肿瘤分割研究中对肿瘤边缘分割不够精确,分割目标较小而背景因素过大的问题,提出改进的V-C-Net卷积神经网络模型。在原始的V-Net模型基础上,加入CBAM混合注意力机制,使模型更关注脑肿瘤图像的病变部分,结合三种损失函数优点并与训练次数间建立联系提出改进的联合损失函数,并对核磁共振脑肿瘤3D多模态医学图像做重叠分块预处理,利用改进的模型对BraTs数据集进行分割实验,并与FCN全卷积网络、3D-Unet神经网络、传统V-Net神经网络模型的分割效果做对比分析。模型在测试集上的Dice系数(DSC)、交并比(IoU)、敏感度(Sensitivity)、精确率(Precision)及豪斯多夫距离(HD)五个性能指标平均值分别为90.78%、89.68%、91.70%、96.48%、0.451,实验结果表明改进的V-C-Net模型对脑肿瘤病变部分分割性能更优。 展开更多
关键词 脑肿瘤分割 v-C-net卷积神经网络 CBAM混合注意力机制 联合损失函数 重叠分块预处理
在线阅读 下载PDF
基于多模态磁共振图像特征选择的脑胶质瘤分割
4
作者 成娟 张楚雅 +3 位作者 刘羽 李畅 朱智勤 陈勋 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第5期513-526,共14页
脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通... 脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通道维度堆叠后输入到分割网络中,并且在特征提取阶段忽略不同性质子区域分割时所需模态特征的差异性,导致分割性能不够精良。本研究提出一种基于多模态MR图像特征选择的两阶段分割框架进行脑胶质瘤分割。一方面,设计多模态特征选择模块并嵌入到分割网络框架中,对当前分割任务所需多模态MR图像特征进行自动提取和有效选择;另一方面,将多个不同性质的病变组织子区域分为两阶段分割任务,利用第一阶段分割任务结果提供第二阶段分割目标的定位信息。本方法和对比方法分别在BraTS2018(训练集285个患者,验证集66个患者)、BraTS2019(训练集335个患者,验证集125个患者)和BraTS2020(训练集369个患者,验证集125个患者)公开数据集上进行了实验。在BraTS2018数据集上,本方法在完整肿瘤、肿瘤核心和增强肿瘤区域的Dice相似系数分别为0.898、0.854和0.818,Hausdorff距离分别为4.072、6.179和3.763;在BraTS2019数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.892、0.839和0.800,Hausdorff距离分别为6.168、7.077和3.807;在BraTS2020数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.896、0.837和0.803,Hausdorff距离分别为6.223、7.033和4.411。对比实验结果表明,所提方法在增强肿瘤区域和肿瘤核心区域的分割性能具有明显优势,特别是增强肿瘤区域分割性能在BraTS2020数据集上最佳。基于多模态特征选择模块的两阶段分割框架,针对每阶段分割目标实现了不同模态MR图像特征的自动和充分学习,取得了理想的分割结果,为计算机辅助肿瘤诊断提供了可能的解决方案。 展开更多
关键词 脑胶质瘤分割 多模态磁共振图像 特征选择 卷积神经网络 v-net
暂未订购
多阶段冠状动脉CTA三维分割算法 被引量：3
5
作者 刘敏 方志军 高永彬 《信号处理》 CSCD 北大核心 2019年第11期1911-1918,共8页
冠脉血管CTA(computed tomography angiongraphy)的分割是判断血管堵塞的首要一步,也是后续三维重建、定性分析等医学诊断的先决条件。本文提出多阶段方式完成冠状动脉从粗到细逐级分割。为了减少非心脏组织给神经网络训练带来的影响,... 冠脉血管CTA(computed tomography angiongraphy)的分割是判断血管堵塞的首要一步,也是后续三维重建、定性分析等医学诊断的先决条件。本文提出多阶段方式完成冠状动脉从粗到细逐级分割。为了减少非心脏组织给神经网络训练带来的影响,首先采用基于自适应阈值的方法预提取心脏区域。然后提出以V-net作为基础网络框架的深度全卷积网络,扩大了每一层卷积核的第三维通道,充分利用血管空间连续性,增加了网络学习能力。第一阶段提取的心脏区域结合对应标签作为下阶段全卷积网络的训练数据,来实现精确的冠脉血管分割,最后通过水平集函数迭代优化血管边缘轮廓,得到分割结果。本文提出的方法对血管分割的平均Jaccard达到了0.813,Dice达到了0.903,能够对冠脉CTA进行准确的三维分割。 展开更多
关键词 图像处理 全卷积神经网络 多阶段冠脉血管三维分割 改进的v-net网络
在线阅读 下载PDF
横河CS3000系统在三催化装置的实际应用 被引量：4
6
作者 崔富军 《广东化工》 CAS 2010年第5期246-247,252,共3页
主要介绍横河CS3000系统在三催化装置的实际应用,主要从现场应用的CS3000系统的软硬件组成、系统的典型控制方案进行分析,从反应温度与再生滑阀压降低选调节、一再压力分程控制、分馏塔顶油气分离器V1203液位控制、余热锅炉汽包液位三... 主要介绍横河CS3000系统在三催化装置的实际应用,主要从现场应用的CS3000系统的软硬件组成、系统的典型控制方案进行分析,从反应温度与再生滑阀压降低选调节、一再压力分程控制、分馏塔顶油气分离器V1203液位控制、余热锅炉汽包液位三冲量调节、PDS3104差压联锁控制、3.5MPa过热蒸汽至管网流量FQ1809计算等典型事例中充分体现横河CS3000系统的软件组态方式灵活、强大的优点。 展开更多
关键词 DCS vnet网络 三冲量
在线阅读 下载PDF
基于深度学习的冠状动脉CTA三维分割
7
作者 刘敏 方志军 高永彬 《智能计算机与应用》 2020年第3期72-75,共4页
手动分割大规模心血管疾病医学图像对于医生是极其耗时繁琐的任务,所以自动分割冠状动脉计算机断层血管造影(computed tomography angiongraphy,CTA)是研究心血管疾病的重要基础。本文提出了一种基于深度学习的分割方法,冠状动脉CTA图... 手动分割大规模心血管疾病医学图像对于医生是极其耗时繁琐的任务,所以自动分割冠状动脉计算机断层血管造影(computed tomography angiongraphy,CTA)是研究心血管疾病的重要基础。本文提出了一种基于深度学习的分割方法,冠状动脉CTA图像结合对应标签作为全卷积神经网络的训练数据实现了血管精确分割。本文所提出的方法在2种评价指标Jaccard系数与Dice系数上取得了0.763和0.834评分,能够对冠脉CTA进行准确的三维分割,为医生提供辅助诊断的作用。 展开更多
关键词 深度学习 v-net网络 冠状动脉三维分割 辅助诊断
在线阅读 下载PDF
基于卷积神经网络模型乳腺癌靶区自动分割的研究 被引量：5
8
作者 王沛沛 李华玲 +5 位作者 顾宵寰 张瞾玥 姜楠 李金凯 许晓燕 杨焱 《中国医学装备》 2021年第11期23-27,共5页
目的:分别基于生物图像分割体系结构U-net和V-net的卷积神经网络模型训练乳腺癌靶区,并评价其临床适用性和准确性。方法:选取医院收治的60例左侧乳腺癌保乳术后患者,按照随机数表法将其分为模型组和测试组,每组30例。所有患者的CT图像... 目的:分别基于生物图像分割体系结构U-net和V-net的卷积神经网络模型训练乳腺癌靶区,并评价其临床适用性和准确性。方法:选取医院收治的60例左侧乳腺癌保乳术后患者,按照随机数表法将其分为模型组和测试组,每组30例。所有患者的CT图像数据集均由同1位放射治疗医师参照肿瘤放射治疗协作组织(RTOG)标准勾画临床靶区(CTV),并由经验丰富的高级职称医师二次审查。模型组患者分别基于U-net和V-net的卷积神经网络两种模型训练CTV;测试组患者的CT影像用于测试两种模型CTV自动分割的准确性。采用配对t检验分析比较两种模型分割的形状Dice相似性系数(DSC)、豪斯多夫距离(HD)及平均最小距离(MDA)。结果:基于U-net模型自动分割的乳腺癌靶区的DSC值(0.918)大于基于V-net模型分割的DSC(0.899),且差异有统计学意义(t=5.883,P<0.001)。两种模型分割的乳腺癌靶区的HD分别为18.360 mm、20.408 mm,差异有统计学意义(t=-1.800,P<0.05)。两种模型勾画结果的MDA分别为1.393 mm、1.815 mm,差异有统计学意义(t=-5.354,P<0.001)。结论:两种自动分割模型的结果均能满足临床应用需要,可提高医师的工作效率以及靶区勾画的一致性。基于U-net训练的左侧乳腺癌保乳靶区勾画模型更加接近医师的勾画,更准确地实现了CTV的自动勾画。 展开更多
关键词 深度学习 卷积神经网络 U-net v-net 乳腺癌 靶区自动分割
暂未订购
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部