期刊文献+
共找到199篇文章
< 1 2 10 >
每页显示 20 50 100
胸部CT图像肺实质分割技术研究 认领
1
作者 张磊 陈星材 +3 位作者 陆万里 平钦文 陈怡然 柏森 《计算机时代》 2021年第3期17-19,22,共4页
计算机断层扫描(Computed Tomography,CT)是诊断肺部疾病常用的方法之一,CT能显示人体肺部的断层图像,但CT图像中对于诊断肺部疾病有帮助的只有肺实质区域。因此,提供干扰更少、病灶更加明显的肺部断层图,会使医生更容易发现一些早期的... 计算机断层扫描(Computed Tomography,CT)是诊断肺部疾病常用的方法之一,CT能显示人体肺部的断层图像,但CT图像中对于诊断肺部疾病有帮助的只有肺实质区域。因此,提供干扰更少、病灶更加明显的肺部断层图,会使医生更容易发现一些早期的疾病或得到更加准确的诊断结果。文章归纳总结了边缘检测、U-net和U-net++等CT图像的肺实质分割技术,并将其中的Matlab的边缘检测与U-net神经网络进行对比分析。对比结果显示,U-net神经网络的图像分割效果远好于Matlab的边缘检测。 展开更多
关键词 肺实质 图像分割 U-net U-net%PLUS%%PLUS%
在线阅读 下载PDF
基于残差U-Net的遥感影像土地覆盖类型自动分割 认领
2
作者 李全红 李雷 +2 位作者 李纯斌 吴静 常秀红 《中国土地科学》 CSCD 北大核心 2021年第1期98-106,共9页
研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net... 研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net模型(ResU_Net),对目标区域进行基于深度学习的土地覆盖分割,并与SVM、PSPNet、U-Net分割方法进行对比。研究结果:ResU_Net能够更加准确地表达高分辨率遥感影像的地物信息,该方法总体分割精度达到85.50%,Kappa系数为0.7603,总体精度和Kappa系数均高于SVM、PSPNet和U-Net分割方法(总体精度:ResU_Net(85.50%)>U-Net(79.44%)>PSPNet(78.90%)>SVM(66.80%))。研究结论:ResU_Net模型对高分辨率遥感影像的土地覆盖分割效果更优。 展开更多
关键词 土地信息 U-Net 残差网络 ResU_Net 土地覆盖分割 高分辨率遥感影像
在线阅读 下载PDF
基于深度学习的PCB缺陷检测研究 认领
3
作者 胡珊珊 肖勇 +1 位作者 王保帅 尹家悦 《电测与仪表》 北大核心 2021年第3期139-145,共7页
印刷电路板(PCB)是保障电子设备产品可靠性的关键因素。因此,对于PCB板的缺陷检测是一项基本和必要的工作。当前PCB缺陷检测方面已经取得了很大进步,但由于PCB板缺陷的多样性、复杂性以及微小性,传统检测方法仍然难以应对。针对PCB板复... 印刷电路板(PCB)是保障电子设备产品可靠性的关键因素。因此,对于PCB板的缺陷检测是一项基本和必要的工作。当前PCB缺陷检测方面已经取得了很大进步,但由于PCB板缺陷的多样性、复杂性以及微小性,传统检测方法仍然难以应对。针对PCB板复杂性和微小性问题,文中提出了一种基于深度学习的PCB微小缺陷检测网络,命名为UF-Net。该网络通过多层卷积提取不同维度的特征,通过上采样及跳层连接(Skip Connect)的方式实现多尺度特征融合;利用RPN(Region Proposal Network)网络生成ROI(Region of Interest);通过ROI-Pooling层提取ROI特征,并经过两个全连接层对ROI区域进行分类和回归,从而实现缺陷检测。文中的方法能够对印制电路板导线缺陷和焊点缺陷进行精确的检测和识别,包括导线的短路、开路、缺口、毛刺以及焊点的孔洞、漏焊、焊盘不全等缺陷。通过对PCB缺陷数据集的定量分析,结果表明,该方法具有较好的移植性,在PCB数据集上的精度达到98.6%,满足PCB实际检测需求。 展开更多
关键词 PCB 深度学习 UF-Net U-Net 缺陷检测
在线阅读 免费下载
文章速递基于RAU-net的视网膜OCT图像快速自动分层研究 认领
4
作者 曾兴晖 许祥丛 +3 位作者 李晓 王茗祎 钟俊平 熊红莲 《华南师范大学学报:自然科学版》 CAS 北大核心 2021年第2期1-6,共6页
利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块... 利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法. 展开更多
关键词 视网膜层分割 残差块 注意力门 U-net 图像搜索
在线阅读 下载PDF
基于融合边界框高置信度区域信息的超声胎儿头围测量算法 认领
5
作者 汪金婷 杨丰 陈琪 《自动化与信息工程》 2021年第1期7-11,共5页
为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边... 为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边界框,结合边界框高置信度区域信息,筛选头部感兴趣区域高置信度边缘点;最后,采用直接最小二乘法对高置信度边缘点进行椭圆拟合,计算胎儿头围结果。实验结果表明:该算法可有效克服图像质量的干扰,提高超声胎儿头围测量精度。 展开更多
关键词 胎儿头围测量 超声图像 高置信度区域筛选算法 U-Net YOLOv3
在线阅读 下载PDF
融合卷积神经网络和流形学习的肺结节检测 认领
6
作者 杨怀金 夏克文 +1 位作者 刘方原 张江楠 《科学技术与工程》 北大核心 2021年第1期260-268,共9页
U-net是常用的医学图像分割网络,但仍存在卷积神经网络中泛化能力差、容易过拟合的缺点。针对其缺点,研究全卷积肺结节分割网络,引入随机失活层,采用新的激活函、损失函数、优化器等改进网络结构,改进后的网络具有更高的查全率。然后融... U-net是常用的医学图像分割网络,但仍存在卷积神经网络中泛化能力差、容易过拟合的缺点。针对其缺点,研究全卷积肺结节分割网络,引入随机失活层,采用新的激活函、损失函数、优化器等改进网络结构,改进后的网络具有更高的查全率。然后融合改进重构权值的局部线性嵌入算法对特征进行提取,最后采用XGBoost分类器进行最后的筛选分类。通过实验验证表明,得到实融合以上两种算法的肺结节检测具有更高的准确率更高的准确率和更好的泛化性,可以应用于肺结节检测。 展开更多
关键词 U-net 局部线性嵌入 卷积神经网络 肺结节检测
在线阅读 免费下载
基于改进U-Net的视盘视杯分割方法的研究 认领
7
作者 茅前 江旻珊 魏静 《光学仪器》 2021年第1期21-27,共7页
基于数字眼底图像进行视盘视杯分割是青光眼常用的诊断方法。为了更加精确地分割视盘视杯,提出了一种基于改进U-Net的视盘视杯分割方法。在传统U-Net的基础上,使用残差块改进了下采样部分,并使用卷积操作改进U-net中的跳层连接部分,使... 基于数字眼底图像进行视盘视杯分割是青光眼常用的诊断方法。为了更加精确地分割视盘视杯,提出了一种基于改进U-Net的视盘视杯分割方法。在传统U-Net的基础上,使用残差块改进了下采样部分,并使用卷积操作改进U-net中的跳层连接部分,使网络更加充分地获取特征信息。使用多种性能指标对训练的模型进行评价,结果表明,视盘模型和视杯模型在DRISHTI-GS数据集上的DICE系数分别达到了98.3%和97.2%,IOU系数分别达到了93.2%和88.5%。 展开更多
关键词 青光眼 视杯 视盘 U-NET 分割
在线阅读 下载PDF
基于两种U型网络的钢铁图像缺陷检测方法对比 认领
8
作者 师伟婕 黄静静 王茂发 《北京信息科技大学学报:自然科学版》 2021年第1期63-68,共6页
针对钢铁图像缺陷检测问题,使用U型的深度学习神经网络模型U-Net和ResUNet对有缺陷的钢铁图像进行图像分割。通过python对钢铁图像进行数据统计,分析每类缺陷占比,以及缺陷数量与缺陷面积的关系。通过数据生成器依次将数据输入U-Net和Re... 针对钢铁图像缺陷检测问题,使用U型的深度学习神经网络模型U-Net和ResUNet对有缺陷的钢铁图像进行图像分割。通过python对钢铁图像进行数据统计,分析每类缺陷占比,以及缺陷数量与缺陷面积的关系。通过数据生成器依次将数据输入U-Net和Res-UNet模型,对比在相同损失函数下的Tversky系数和损失率。实验结果表明,Res-UNet模型的Tversky系数优于U-Net模型,且Res-UNet模型损失率低于U-Net模型,Res-UNet模型可以更准确地预测钢铁缺陷位置和缺陷类别。 展开更多
关键词 U-Net Res-UNet 图像分割 钢铁缺陷
在线阅读 下载PDF
基于U-Net结构改进的医学影像分割技术综述 认领
9
作者 殷晓航 王永才 李德英 《软件学报》 EI CSCD 北大核心 2021年第2期519-550,共32页
深度学习在医学影像分割领域得到广泛应用,其中,2015年提出的U-Net因其分割小目标效果较好、结构具有可扩展性,自提出以来受到广泛关注.近年来,随着医学图像割性能要求的提升,众多学者针对U-Net结构也在不断地改进和扩展,比如编解码器... 深度学习在医学影像分割领域得到广泛应用,其中,2015年提出的U-Net因其分割小目标效果较好、结构具有可扩展性,自提出以来受到广泛关注.近年来,随着医学图像割性能要求的提升,众多学者针对U-Net结构也在不断地改进和扩展,比如编解码器的改进、外接特征金字塔等.通过对基于U-Net结构改进的医学影像分割技术,从面向性能优化和面向结构改进两个方面进行总结,对相关方法进行了综述、分类和总结,并介绍图像分割中常用的损失函数、评价参数和模块,进而总结了针对不同目标改进U-Net结构的思路和方法,为相关研究提供了参考. 展开更多
关键词 U-Net 医学影像分割 结构改进 深度神经网络 技术综述
在线阅读 下载PDF
一种基于改进Attention U-net的联合视杯视盘分割方法 认领
10
作者 秦运输 王行甫 《计算机应用与软件》 北大核心 2021年第3期181-189,共9页
青光眼是当前世界范围内致盲的主要病因之一,其发病过程没有明显的特征。视杯盘比是青光眼诊断中最主要的评估指标之一,这使得视杯视盘的分割成为了目前青光眼诊断的关键。已有的视杯视盘分割方法大多基于手工提取的特征,低效且精度不... 青光眼是当前世界范围内致盲的主要病因之一,其发病过程没有明显的特征。视杯盘比是青光眼诊断中最主要的评估指标之一,这使得视杯视盘的分割成为了目前青光眼诊断的关键。已有的视杯视盘分割方法大多基于手工提取的特征,低效且精度不高。提出一种名为MAR2U-net的深度神经网络架构用于青光眼视杯视盘的联合分割。它是基于Attention U-net的一种改进架构,通过在Attention U-net的基础之上引入递归残差卷积模块来提取更加深层次的特征,并结合多尺度的输入和多标签的Focal Tversky损失函数来提升模型的联合分割性能。实验结果表明,该方法在REFUGE数据集上的分割效果较已有方法取得了显著提升,为实现大规模的青光眼诊断筛查提供了基础。 展开更多
关键词 青光眼检测 视杯与视盘 分割 ATTENTION U-net
在线阅读 下载PDF
面向GF-2遥感影像的U-Net城市绿地分类 认领
11
作者 徐知宇 周艺 +2 位作者 王世新 王丽涛 王振庆 《中国图象图形学报》 CSCD 北大核心 2021年第3期700-713,共14页
目的高分2号卫星(GF-2)是首颗民用高空间分辨率光学卫星,具有亚米级高空间分辨率与宽覆盖结合的显著特点,为城市绿地信息提取等多领域提供了重要的数据支撑。本文利用GF-2卫星多光谱遥感影像,将一种改进的U-Net卷积神经网络首次应用于... 目的高分2号卫星(GF-2)是首颗民用高空间分辨率光学卫星,具有亚米级高空间分辨率与宽覆盖结合的显著特点,为城市绿地信息提取等多领域提供了重要的数据支撑。本文利用GF-2卫星多光谱遥感影像,将一种改进的U-Net卷积神经网络首次应用于城市绿地分类,提出一种面向高分遥感影像的城市绿地自动分类提取技术。方法先针对小样本训练集容易产生的过拟合问题对U-Net网络进行改进,添加批标准化(batch normalization,BN)和dropout层获得U-Net+模型;再采用随机裁剪和随机数据增强的方式扩充数据集,使得在充分利用影像信息的同时保证样本随机性,增强模型稳定性。结果将U-Net+模型与最大似然法(maximum likelihood estimation,MLE)、神经网络(neural networks,NNs)和支持向量机(support vector machine,SVM) 3种传统分类方法以及U-Net、Seg Net和Deep Labv3+这3种深度学习语义分割模型进行分类结果精度对比。改进后的U-Net+模型能有效防止过拟合,模型总体分类精度比改进前提高了1.06%。基于改进的U-Net+模型的城市绿地总体分类精度为92.73%,平均F1分数为91.85%。各分类方法按照总体分类精度从大到小依次为U-Net+(92.73%)、U-Net(91.67%)、Seg Net(88.98%)、Deep Labv3+(87.41%)、SVM(81.32%)、NNs(79.92%)和MLE(77.21%)。深度学习城市绿地分类方法能充分挖掘数据的光谱、纹理及潜在特征信息,有效降低分类过程中产生的"椒盐噪声",具有较好的样本容错能力,比传统遥感分类方法更适用于城市绿地信息提取。结论改进后的U-Net+卷积神经网络模型能够有效提升高分遥感影像城市绿地自动分类提取精度,为城市绿地分类提供了一种新的智能解译方法。 展开更多
关键词 城市绿地 卷积神经网络 U-Net 高分遥感 语义分割
基于U-Net的玉米叶部病斑分割算法 认领
12
作者 刘永波 胡亮 +2 位作者 曹艳 唐江云 雷波 《中国农学通报》 2021年第5期88-95,共8页
本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%... 本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%,叶片分割MIoU值达到96.33%,且运算速度均在1秒内完成。试验结果表明,该研究以手机拍照等方式采集数据源,不依赖专业仪器设备即可实现玉米病害快速分级,可取代以往以人工目测进行的病害识别方式,提高了病害分级的准确性和客观性。该模型与物联网设备结合运用,可实现玉米病害预警、降低病害影响、增产增收科技惠农的目标。 展开更多
关键词 玉米病害 图像处理 全卷积 U-Net 病程分级
在线阅读 下载PDF
多尺度特征融合的脊柱X线图像分割方法 认领
13
作者 赵阳 张俊华 《计算机工程与应用》 CSCD 北大核心 2021年第8期214-219,共6页
为了精确地从X线图像中分割脊柱,提出了一种基于深度学习的脊柱X线图像分割方法,使用基于多尺度特征融合的U-Net网络进行分割。将U-Net模型中的卷积层替换成类Inception网络来提取不同尺度的特征,并进行多尺度融合。同时在跳跃连接前增... 为了精确地从X线图像中分割脊柱,提出了一种基于深度学习的脊柱X线图像分割方法,使用基于多尺度特征融合的U-Net网络进行分割。将U-Net模型中的卷积层替换成类Inception网络来提取不同尺度的特征,并进行多尺度融合。同时在跳跃连接前增加残差连接层,并在首次上采样前添加卷积块注意力模块。该模型对20幅脊柱X线图像进行验证,Dice系数为0.8457,与近期X线脊柱图像分割方法相比,提高了0.1351。 展开更多
关键词 脊柱X线图像 U-Net 图像分割 卷积块注意力模块
在线阅读 下载PDF
基于U-Net网络的林木图像分割研究 认领
14
作者 张博洋 倪海明 +1 位作者 胡馨月 戚大伟 《森林工程》 2021年第2期67-73,共7页
针对传统方法进行图像分割易受噪声影响的问题,提出一种基于U-Net网络的无人机图像语义分割网络模型。该模型不需要对图像进行预处理,利用反卷积恢复图像分辨率,采用U型结构连接低层网络和高层网络的特征图,利用跳跃连接降低网络复杂度... 针对传统方法进行图像分割易受噪声影响的问题,提出一种基于U-Net网络的无人机图像语义分割网络模型。该模型不需要对图像进行预处理,利用反卷积恢复图像分辨率,采用U型结构连接低层网络和高层网络的特征图,利用跳跃连接降低网络复杂度,同时使用Dropout正则化随机激活网络隐藏单元以防止过拟合。实验结果表明:该网络模型可以自动定位林木信息,准确分割林木区域,进一步优化边缘分割结果,实现端对端的图像分割。该模型具有良好的泛化能力,在其他图像分割领域也具有应用价值。 展开更多
关键词 无人机图像 图像分割 U-Net 跳跃连接
在线阅读 下载PDF
基于机器学习的低信噪比细胞图像分割 认领
15
作者 阎彧萱 卢金旺 +3 位作者 宋奕泓 旷小宇 田原 傅静雁 《农业生物技术学报》 CAS CSCD 北大核心 2021年第1期198-206,共9页
荧光显微图像在生命科学研究中具有重要作用。利用计算机和机器学习可以有效处理大量图像数据,从而得到具有统计意义的结论。本研究针对低信噪比的细胞荧光图像,提出一种基于U-Net的细胞分割模型,并构建了单通道低信噪比细胞图像数据集... 荧光显微图像在生命科学研究中具有重要作用。利用计算机和机器学习可以有效处理大量图像数据,从而得到具有统计意义的结论。本研究针对低信噪比的细胞荧光图像,提出一种基于U-Net的细胞分割模型,并构建了单通道低信噪比细胞图像数据集用于模型训练和测试。本研究提出的模型使用不同尺度的卷积核提取特征,利用残差模块加深网络深度,并使用权重损失机制使机器学习过程更加关注于细胞边缘。相较于其他方法,在低信噪比荧光显微图像的细胞分割上,可以有效解决细胞与背景对比度低、胞内信号亮度分布不均的问题,其像素准确率、IoU(intersection-over-union)可分别达到87.6%和72.0%。本研究为细胞形态学研究、借助图像的高通量细胞筛选提供技术支持。 展开更多
关键词 细胞分割 机器学习 低信噪比 U-Net
基于多任务学习的高分辨率遥感影像建筑提取 认领
16
作者 朱盼盼 李帅朋 +1 位作者 张立强 李洋 《地球信息科学学报》 CSCD 北大核心 2021年第3期514-523,共10页
建筑物的自动提取对城市发展与规划、防灾预警等意义重大。当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间。近年来,基于多任务学习... 建筑物的自动提取对城市发展与规划、防灾预警等意义重大。当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间。近年来,基于多任务学习的深度学习方法已在计算机视觉领域得到广泛应用,但其在高分辨率遥感影像自动解译任务上的应用还有待进一步发展。本研究借鉴经典的实例分割算法Mask R-CNN和语义分割算法U-Net的思想,设计了一种将语义分割模块植入实例分割框架的深度神经网络结构,利用多种任务之间的信息互补性来提升模型的泛化性能。自底向上的路径增强结构缩短了低层细节信息向上传递的路径。自适应的特征池化使得实例分割网络可以充分利用多尺度信息。在多任务训练模式下完成了对遥感影像中建筑物的自动分割,并在经典的遥感影像数据集SpaceNet上对该方法进行验证。结果表明,本文提出的基于多任务学习的建筑提取方法在巴黎数据集上建筑实例分割精度达到58.8%,在喀土穆数据集上建筑实例分割精度达到60.7%,相比Mask R-CNN和U-Net提升1%~2%。 展开更多
关键词 深度学习 多任务学习 语义分割 实例分割 遥感影像 建筑提取 Mask R-CNN U-Net
基于聚类算法的血管直径测量研究 认领
17
作者 王成 李砚瑞 +5 位作者 刘宾 项华中 徐康 郑刚 陈明惠 张大伟 《光学技术》 CAS CSCD 北大核心 2021年第1期37-44,共8页
血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通... 血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通过非线性变换函数对显微图像进行增强;使用训练后的U-Net网络模型进行图像分割;利用结合聚类算法以及射线算法的测量方法对分割得到的血管进行测量,得到血管直径。实验表明,算法与传统测量结果一致(P>0.05),与传统算法相比,本算法的测量精度得到提升,将测量误差由4.21%降低至2.27%,满足血管测量的准确度需求。 展开更多
关键词 图像处理 血管宽度 图像分割 U-Net 聚类算法
融合ResNet结构的U-Net眼底视盘分割方法 认领
18
作者 周严谨 《软件导刊》 2021年第1期204-208,共5页
由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰。现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳。在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成... 由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰。现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳。在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成较好的分割结果。提出一种将残差结构与U-Net网络融合的视盘分割方法。残差模块的跳跃连接能将浅层特征传递给更深一层网络,实现浅层特征的重复使用,增强了图像细节学习。将该方法在两个公开数据集Messidor和Kaggle上进行验证,在干扰较多的Kaggle数据集上,其AUC和MAP分别达到0.9521和0.8388,证明该方法可同时学习图像细节特征和全局结构特征,能更好地区分眼底视盘与亮病灶。 展开更多
关键词 深度学习 视盘分割 U-Net 残差网络
在线阅读 免费下载
基于深度学习的心脏MRI图像分割综述 认领
19
作者 张婕 阿都建华 羊建兴 《软件导刊》 2021年第2期244-249,共6页
传统图像分割方法在心脏MRI图像上分割效果欠佳,深度学习为该领域带来了新的研究思路。目前使用最广泛且分割效果最好的3种深度学习分割模型为:CNN、FCN和U-NET。针对不同模型网络结构、网络特点、优缺点和分割结果进行比较,总结最新研... 传统图像分割方法在心脏MRI图像上分割效果欠佳,深度学习为该领域带来了新的研究思路。目前使用最广泛且分割效果最好的3种深度学习分割模型为:CNN、FCN和U-NET。针对不同模型网络结构、网络特点、优缺点和分割结果进行比较,总结最新研究进展,介绍两种有潜力应用于心脏MRI分割领域的网络模型,最后指出基于深度学习方法的心脏MRI分割面临的挑战和未来研究方向。 展开更多
关键词 深度学习 心脏MRI 图像分割 CNN FCN U-NET
在线阅读 免费下载
革兰氏染色细菌显微图像深度学习分类与计数 认领
20
作者 董宇波 王蕊 +1 位作者 赵慧娟 张书景 《中国医学物理学杂志》 CSCD 2021年第1期127-132,共6页
菌种和数量是研究菌群失调和疾病预测的重要参数,然而细菌分类和计数工作主要由人工完成,过程繁琐,极易出错,并且耗时费力。本研究提出一种基于图像深度学习的方法对显微图像中的革兰氏阳性杆菌、革兰氏阴性杆菌、革兰氏阳性球菌和革兰... 菌种和数量是研究菌群失调和疾病预测的重要参数,然而细菌分类和计数工作主要由人工完成,过程繁琐,极易出错,并且耗时费力。本研究提出一种基于图像深度学习的方法对显微图像中的革兰氏阳性杆菌、革兰氏阴性杆菌、革兰氏阳性球菌和革兰氏阴性球菌进行分类。整个算法过程包括分割和分类识别两部分,首先采用U-Net"渐进分割法"对细菌部分和背景部分进行分割;然后将分割后的细菌分别投入ResNet50模型和VGG19模型进行识别和计数。将经过再训练ResNet50模型和VGG19模型的计数结果与人工分类计数标准的结果进行比较,实验结果表明ResNet50模型可以达到人工分类和计数的准确率。 展开更多
关键词 革兰氏染色菌 分类计数 U-Net ResNet 深度学习
在线阅读 免费下载
上一页 1 2 10 下一页 到第
使用帮助 返回顶部 意见反馈