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：
基于双注意力3D-UNet的肺结节分割网络模型 被引量：22
1
作者 王磐 强彦 +1 位作者 杨晓棠 侯腾璇 《计算机工程》 CAS CSCD 北大核心 2021年第2期307-313,共7页
为提高计算机辅助诊断系统对大尺寸肺结节分割的完整度以及小尺寸肺结节的分割精度,构建双注意力3D-UNet肺结节分割网络模型。将传统3D-UNet网络中的上采样操作替换为DUpsampling结构,通过最小化特征图的像素点与被压缩标签图像之间的损... 为提高计算机辅助诊断系统对大尺寸肺结节分割的完整度以及小尺寸肺结节的分割精度,构建双注意力3D-UNet肺结节分割网络模型。将传统3D-UNet网络中的上采样操作替换为DUpsampling结构,通过最小化特征图的像素点与被压缩标签图像之间的损失,得到更具表达能力的特征图,进而提高网络收敛速度。在此基础上,融入空间注意力模块和通道注意力模块,使单通道与多通道中相似的特征彼此相关,增加特征图的全局相关性以提高分割结果的精度。实验结果表明,与3D-UNet等方法相比,该模型有效提高了肺结节分割的准确率,在公共数据集LIDC-IDRI上的MIoU分数达到89.4%。 展开更多
关键词 肺结节分割 空洞卷积 注意力模块 3d-unet网络 DUpsampling结构
在线阅读 下载PDF
基于3D UNet结合Transformer的肝脏及肝肿瘤自动分割 被引量：3
2
作者 戴振晖 简婉薇 +5 位作者 朱琳 张白霖 靳怀志 杨耕 谭翔 王学涛 《中国医疗设备》 2023年第1期42-47,共6页
目的肝脏和肝肿瘤分割是肝癌放疗计划设计的重要步骤,本文提出新型自动分割模型,以实现肝脏和肝肿瘤的精确分割。方法在3D UNet深度神经网络中加入了残差模块和Swim Transformer模块,提出一个新型的卷积和Transformer结合的Res-Swim-UNe... 目的肝脏和肝肿瘤分割是肝癌放疗计划设计的重要步骤,本文提出新型自动分割模型,以实现肝脏和肝肿瘤的精确分割。方法在3D UNet深度神经网络中加入了残差模块和Swim Transformer模块,提出一个新型的卷积和Transformer结合的Res-Swim-UNet模型。在LiTS公共数据集上对比了所提出方法与先前方法的性能,并在本地数据集上验证了Res-Swim-UNet模型的泛化能力。结果Res-Swim-UNet模型在LiTS公共数据集上肝脏分割结果的Dice相似性系数(Dice Similarity Coefficient,DSC)、体积重叠误差(Volumetric Overlap Error,VOE)分别是0.957、0.522,相对于UNet模型DSC提高了1.6%,VOE降低了1.3%;肝肿瘤分割结果的DSC、VOE分别是0.672、0.617,相对于UNet模型DSC提高了13.5%,VOE降低了5.9%。在本地数据集上肝脏分割结果的DSC、VOE分别是0.895、0.552,肝肿瘤分割结果的DSC、VOE分别是0.589、0.706。结论本文提出的Res-Swim-UNet模型可以有效提高CT图像中肝脏和肝肿瘤的分割效果,且该模型在迁移到本地数据时仍具有较高的分割精度。该模型可以用于提高医生勾画靶区的效率。 展开更多
关键词 肝脏 肝肿瘤 自动分割 3d unet深度神经网络 Swim Transformer模块
暂未订购
改进UNet-VAE网络的土壤多类型孔隙三维分割方法 被引量：4
3
作者 韩巧玲 宋美慧 +2 位作者 席本野 赵玥 赵燕东 《农业工程学报》 EI CAS CSCD 北大核心 2024年第18期81-89,共9页
不同类型土壤孔隙结构会随生物活动和非生物作用发生形变,从而影响其生态功能,准确分割不同类型的孔隙结构对于研究孔隙结构与生态功能演变关系具有重要意义。针对单个类别孔隙的分割方法分割精度低、分类标准单一、鲁棒性差,无法准确... 不同类型土壤孔隙结构会随生物活动和非生物作用发生形变,从而影响其生态功能,准确分割不同类型的孔隙结构对于研究孔隙结构与生态功能演变关系具有重要意义。针对单个类别孔隙的分割方法分割精度低、分类标准单一、鲁棒性差,无法准确分割和判别生物孔隙、裂隙等相交部分孔隙结构的问题。该研究针对不同类型孔隙尺度差距大的特点,提出了一种改进UNet-VAE网络模型,实现土壤多类型孔隙分割。改进UNet-VAE网络引入多尺度特征融合注意力模块,以实现多尺度信息融合和冗余信息筛选。结合变分自动编码器生成网络(variational autoencoder,VAE),引入噪声和辅助损失函数,以增强网络的泛化能力和鲁棒性。试验结果表明:改进UNet-VAE方法在土壤多类型孔隙(裂隙、生物孔、不规则孔隙和球状孔隙)三维分割中达到了93.83%的平均准确率,与次优VNet方法相比,平均准确率、精确率、召回率和F1值分别提升了3.32,5.06,8.97和8.63个百分点,特别是对于不规则孔隙4项指标分别提升了4.88,15.46,15.70和15.50个百分点,表明改进UNet-VAE法可准确分割多类型孔隙,也验证了深度学习技术在多类型孔隙判别的有效性,可为揭示土壤孔隙结构与演化研究提供有效工具。 展开更多
关键词 土壤 孔隙 卷积神经网络 图像分割 3d unet 注意力模块
在线阅读 下载PDF
基于UNet网络的无人机影像建筑模型单体化应用 被引量：1
4
作者 田红霞 府伟娟 +2 位作者 贺飞越 包赛赛 杨明潮 《中国煤炭地质》 2023年第10期74-78,共5页
以瑞安市发改局“万亩千亿”三维可视化平台辅助决策系统项目为依托,获取研究区域内无人机影像,利用倾斜摄影自动三维建模的技术机理,搭建了基于UNet网络的正射影像建筑物轮廓提取,对实现三维建筑物模型单体化实践具有一定的参考意义。
关键词 unet网络 倾斜摄影 三维建模 轮廓提取 单体化
在线阅读 下载PDF
3D-UNet网络的手势分割及其识别性能
5
作者 何玉琴 全海燕 《兰州大学学报(自然科学版)》 2025年第6期798-805,共8页
手势分割及识别过程中的光照和背景干扰会导致非手势区域的错误分割及手势区域的空洞问题,图片序列处理时还会丢失时间维度信息,降低分割精度.针对该问题,提出一种结合三维U形网络(3D-UNet)与残差密集块(RDB)的模型3D-UNet-RDB,用于捕... 手势分割及识别过程中的光照和背景干扰会导致非手势区域的错误分割及手势区域的空洞问题,图片序列处理时还会丢失时间维度信息,降低分割精度.针对该问题,提出一种结合三维U形网络(3D-UNet)与残差密集块(RDB)的模型3D-UNet-RDB,用于捕捉图像序列的时序特征,实现手势区域的准确分割.在3D-UNet的编码器后嵌入RDB模块,并在不同时间步长之间建立连接,以便网络捕获关于时间的相关信息,增强其特征提取能力和信息传递效率.分割后的手势图通过ResNet50模型训练以验证图像识别性能.结果表明,3D-UNet-RDB模型的平均分割精确度为94.31%,相比IASPP-ResNet模型的90.75%提升3.56%.识别任务中,3D-UNet-RDB在美国手语和中文孤立词手语视频数据集中的识别率分别为95.36%和98.13%,比HGR-Net模型的92.17%和94.32%分别提升3.19%和3.81%.3D-UNet-RDB模型能够有效捕获输入图像序列的关键特征,显著提升了手势分割与识别的精度. 展开更多
关键词 手势识别 手势分割 3d-unet-RDB网络 残差网络
原文传递
基于注意力机制的三维肿瘤图像分割算法 被引量：1
6
作者 刘晓丽 程晓荣 《计算机与数字工程》 2025年第1期228-233,239,共7页
脑肿瘤严重危害人类身心健康,从核磁共振图像中自动分割出三肿瘤区域可以有效辅助医生诊疗。针对2D系列网络只关注到局部信息,忽略了不同模态空间一致性问题,提出了3D端到端的U型网络分割方法。首先,为充分利用多尺度特征信息,在编码器... 脑肿瘤严重危害人类身心健康,从核磁共振图像中自动分割出三肿瘤区域可以有效辅助医生诊疗。针对2D系列网络只关注到局部信息,忽略了不同模态空间一致性问题,提出了3D端到端的U型网络分割方法。首先,为充分利用多尺度特征信息,在编码器部分加入通道空间混合域注意力机制以实现特征提取增强;其次,通过改进上采样和下采样操作机制以防止信息丢失;最后,为增强网络训练,解码器部分引入了深度监督。基于BraTS2021数据集的实验结果表明,Dice相似系数、灵敏度和HD95距离分别达到了85.92%,92.04%和17.47,在多模态肿瘤分割和边缘轮廓方面都有较好的准确性。 展开更多
关键词 注意力机制 3d unet网络 核磁共振图像 深度监督算法
在线阅读 下载PDF
基于深度学习与多模态生理数据的阿尔茨海默病分类方法研究 被引量：5
7
作者 王婧萱 王雯婧 +1 位作者 闻亮 李贞妮 《医疗卫生装备》 CAS 2023年第11期1-8,共8页
目的:为了提高阿尔茨海默病(Alzheimer’s disease,AD)的分类效果,提出一种基于深度学习与多模态生理数据的AD分类方法。方法:选用阿尔茨海默病神经影像学计划(the Alzheimer’s Disease Neuroimaging Initiative,ADNI)数据库中AD患者... 目的:为了提高阿尔茨海默病(Alzheimer’s disease,AD)的分类效果,提出一种基于深度学习与多模态生理数据的AD分类方法。方法:选用阿尔茨海默病神经影像学计划(the Alzheimer’s Disease Neuroimaging Initiative,ADNI)数据库中AD患者、早期轻度认知障碍(early mild cognitive impairment,EMCI)患者、晚期轻度认知障碍(late mild cognitive impairment,LMCI)患者和正常认知(normal cognition,NC)受试者的多模态数据,利用改进的New_ResNet50网络提取受试者大脑MRI图像特征进行分类,利用3D-Unet-Attention网络对海马体图像进行分割后通过残差网络进行分类,利用多层感知机(multi-layer perceptron,MLP)网络基于患者的生理数据与海马体体积进行分类,并对3个网络给出的分类结果采用投票法确定最终分类结果。比较改进的New_ResNet50网络、3D-Unet-Attention网络分类模型与传统网络分类模型对AD的分类效果,以及融合New_ResNet50网络、3D-Unet-Attention网络、MLP网络的分类模型和单一网络分类模型对AD的分类效果。结果:改进的New_ResNet50网络、3D-Unet-Attention网络分类模型分类准确率较传统网络分类模型均有提高,而融合网络分类模型对AD患者与NC受试者的分类准确率(97.99%)相较New_ResNet50网络、3D-Unet-Attention网络、MLP网络分类模型分别提高了1.51%、1.51%和14.62%。结论:提出的分类方法对AD具有较好的分类效果,可以有效辅助医生诊断。 展开更多
关键词 深度学习 多模态生理数据 阿尔茨海默病 New_ResNet50网络 3d-unet-Attention网络 MLP网络
在线阅读 下载PDF
基于双路径网络的端到端肺结节检测模型 被引量：1
8
作者 张晓宇 强彦 Zia Ur Rehman 《计算机工程与设计》 北大核心 2020年第12期3503-3509,共7页
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... 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。 展开更多
关键词 肺结节检测 3d-unet 特征提取 双路径网络 深度学习
在线阅读 下载PDF
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