检索结果-维普期刊中文期刊服务平台

基于反投影回归网络的医学图像超分辨率重建: 1; 作者郑秋富金燕 +1 位作者姜智伟胡奕标《计算机辅助设计与图形学学报》 CSCD 北大核心 2024年第12期1968-1977,共10页; 针对使用深度学习进行医学图像超分辨率重建时存在的欠定性问题,提出了一种基于反投影回归网络的医学图像超分辨率重建算法.该网络除了学习低分辨率到高分辨率图像的原始映射之外,还学习一个对偶回归映射来预测退化核并重建出低分辨率图... 展开更多; 关键词医学图像重建对偶回归误差反馈 U-Net 卷积神经网络; 在线阅读下载PDF 职称材料

融合多种注意力机制的结直肠息肉分割神经网络被引量：6: 2; 作者贾立新胡奕标 +3 位作者金燕薛智中姜智伟郑秋富《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第3期463-473,共11页; 精确的息肉分割能够有效地帮助医生发现并切除异常组织,降低息肉转化为结直肠癌的风险.针对息肉具有不同大小、形态、颜色、纹理,类间相似度高、类内差异度大的特点,为了实现对息肉图像的精确分割,提出一种融合多种注意力机制的卷积神... 展开更多; 关键词医学图像分割息肉分割结直肠癌卷积神经网络注意力机制; 在线阅读下载PDF 职称材料

基于循环残差卷积神经网络的医学图像分割算法被引量：12: 3; 作者金燕薛智中姜智伟《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第8期1205-1215,共11页; 针对使用深度学习进行医学图像分割时出现的网络退化问题,通过融合更大尺度的特征映射实现更加精确的图像分割,提出一种基于循环残差卷积神经网络的图像分割算法.首先引入循环卷积模块实现离散步长上的特征提取,提高图像上下文语义信息... 展开更多; 关键词医学图像分割残差学习循环卷积 U-Net 全尺度跳跃连接; 在线阅读下载PDF 职称材料

基于聚集残差生成对抗网络的图像去模糊被引量：9: 4; 作者金燕黄梦佳姜智伟《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第1期84-93,共10页; 针对现有图像去模糊算法存在的处理模糊种类单一、耗时长等问题,提出了一种基于聚集残差生成对抗网络的图像去模糊算法.首先,利用生成对抗网络,生成重建图像判别标签,使最后生成的图像更加接近清晰图像;其次,结合聚集残差网络与通道注... 展开更多; 关键词图像去模糊聚集残差通道注意力生成对抗网络; 在线阅读下载PDF 职称材料

题名基于反投影回归网络的医学图像超分辨率重建: 1; 作者郑秋富金燕姜智伟胡奕标; 机构浙江工业大学信息工程学院; 出处《计算机辅助设计与图形学学报》 CSCD 北大核心 2024年第12期1968-1977,共10页; 基金国家自然科学基金(U22A2040).; 文摘针对使用深度学习进行医学图像超分辨率重建时存在的欠定性问题,提出了一种基于反投影回归网络的医学图像超分辨率重建算法.该网络除了学习低分辨率到高分辨率图像的原始映射之外,还学习一个对偶回归映射来预测退化核并重建出低分辨率图像,形成一个闭环以提供额外的约束条件,通过该约束减小低分辨率到高分辨率图像的映射空间,从而缓解图像重建时的欠定性问题;并在上采样和下采样过程中引入了反投影机制,通过误差反馈来减少上、下采样时丢失的特征信息.在PyTorch环境中,与EDSR,DBPN,RCAN等算法在Mayo和TCGA-KICH数据集进行了对比实验.结果表明,所提算法的评价指标优于对比算法,如Mayo数据集上2倍放大因子下,所提算法的峰值信噪比高于对比算法0.12~1.41 dB.; 关键词医学图像重建对偶回归误差反馈 U-Net 卷积神经网络; Keywords medical image reconstruction dual regression error feedback U-Net convolutional neural network; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名融合多种注意力机制的结直肠息肉分割神经网络被引量：6: 2; 作者贾立新胡奕标金燕薛智中姜智伟郑秋富; 机构浙江工业大学信息工程学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第3期463-473,共11页; 基金国家自然科学基金(U22A2040) 浙江省自然科学基金(LY17F010015)。; 文摘精确的息肉分割能够有效地帮助医生发现并切除异常组织,降低息肉转化为结直肠癌的风险.针对息肉具有不同大小、形态、颜色、纹理,类间相似度高、类内差异度大的特点,为了实现对息肉图像的精确分割,提出一种融合多种注意力机制的卷积神经网络.首先,以Res2Net为骨干网络提取图像特征,通过通道分组空间增强注意力增强特征;其次,使用轴向自注意力结合感受野策略获得同时具有边缘细节的低级特征和全局语义高级特征;最后,利用逆向注意力挖掘边界信息,增强网络对于较小且组织边界模糊的息肉的分割性能.在5个息肉分割数据集上,与其他5种基准方法比较的实验结果表明,平均Dice系数、平均交并比和平均绝对误差指标均有所提高,其分割精度和泛化性能均优于现有主流息肉分割网络.; 关键词医学图像分割息肉分割结直肠癌卷积神经网络注意力机制; Keywords medical image segmentation polyp segmentation colorectal cancer convolutional neural network attention mechanism; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于循环残差卷积神经网络的医学图像分割算法被引量：12: 3; 作者金燕薛智中姜智伟; 机构浙江工业大学信息工程学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第8期1205-1215,共11页; 基金浙江省自然科学基金(LY17F010015)。; 文摘针对使用深度学习进行医学图像分割时出现的网络退化问题,通过融合更大尺度的特征映射实现更加精确的图像分割,提出一种基于循环残差卷积神经网络的图像分割算法.首先引入循环卷积模块实现离散步长上的特征提取,提高图像上下文语义信息的利用率,实现更多、更广泛的特征映射提取;然后结合残差学习单元与循环卷积单元形成循环残差卷积模块,替换普通卷积神经网络的前馈卷积单元以解决深层网络模型面临的网络退化问题;最后引入全尺度跳跃连接将不同尺度下的特征图融合,生成分割图像.在PyTorch环境下用3个数据集与其他4种算法进行比较的实验结果表明,所提算法的分割性能更好,图像分割的精确度更高.; 关键词医学图像分割残差学习循环卷积 U-Net 全尺度跳跃连接; Keywords medical image segmentation residual learning recurrent convolution U-Net full scale skip connection; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于聚集残差生成对抗网络的图像去模糊被引量：9: 4; 作者金燕黄梦佳姜智伟; 机构浙江工业大学信息工程学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第1期84-93,共10页; 基金浙江省自然科学基金(LY17F010015).; 文摘针对现有图像去模糊算法存在的处理模糊种类单一、耗时长等问题,提出了一种基于聚集残差生成对抗网络的图像去模糊算法.首先,利用生成对抗网络,生成重建图像判别标签,使最后生成的图像更加接近清晰图像;其次,结合聚集残差网络与通道注意力模块,构成特征提取模块,提取中间层的有用特征信息;最后,采用WGAN的Wasserstein-1距离与感知损失结合作为损失函数训练模型,保证生成图像与清晰图像在内容上的一致性.在PyTorch环境下用GOPRO数据集和Kohler数据集测试所提算法,并与L0范数先验、暗通道先验、特异性去模糊、DeepDeblur,DeblurGAN等算法进行对比.实验结果表明,所提算法应用于复原运动模糊图像和高斯模糊图像时,峰值信噪比等评价指标均高于其他算法,并且耗时更短.; 关键词图像去模糊聚集残差通道注意力生成对抗网络; Keywords image deblurring aggregated residual networks channel attention generation adversarial networks; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于反投影回归网络的医学图像超分辨率重建	郑秋富金燕姜智伟胡奕标	《计算机辅助设计与图形学学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	融合多种注意力机制的结直肠息肉分割神经网络	贾立新胡奕标金燕薛智中姜智伟郑秋富	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
3	基于循环残差卷积神经网络的医学图像分割算法	金燕薛智中姜智伟	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
4	基于聚集残差生成对抗网络的图像去模糊	金燕黄梦佳姜智伟	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2022	9	在线阅读下载PDF 职称材料