期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
改进ConvNeXt的肝囊型包虫病超声图像五分类研究 被引量:1
1
作者 热娜古丽·艾合麦提尼亚孜 米吾尔依提·海拉提 +2 位作者 王正业 茹仙古丽·艾尔西丁 严传波 《现代电子技术》 北大核心 2024年第1期62-68,共7页
肝包虫病是严重危害人畜健康的重要人畜共患寄生虫病,超声检查是肝包虫病的首选检查方法,采用深度学习技术能够有效减少人工误差,降低成本并提高诊断效率。以ConvNeXt模型为基础,结合焦点损失函数和Lion优化器,最后引入CBAM构建CLCFNet... 肝包虫病是严重危害人畜健康的重要人畜共患寄生虫病,超声检查是肝包虫病的首选检查方法,采用深度学习技术能够有效减少人工误差,降低成本并提高诊断效率。以ConvNeXt模型为基础,结合焦点损失函数和Lion优化器,最后引入CBAM构建CLCFNet模型实现肝囊型包虫病早期筛查和精确诊断。在肝囊型包虫病超声影像数据集进行的消融实验表明,对比基准模型分类准确率、精确率、召回率、特异度和F1指数平均提升了4.3%、21%、25%、4%和26%,对比实验也验证了所提出方法各指标优于现有流行方法。改进算法显著降低了模型推理时间,增强了模型训练的稳态性能,可以实现肝囊型包虫病的快速和精准分类识别。 展开更多
关键词 肝囊型包虫病 超声图像 ConvNeXt 焦点损失函数 Lion优化器 注意力机制
在线阅读 下载PDF
基于深度学习的“易诊”智能阅片系统的构建研究
2
作者 米吾尔依提·海拉提 热娜古丽·艾合麦提尼亚孜 +2 位作者 王正业 叶尔夏提·多力孔 严传波 《现代信息科技》 2024年第9期106-109,113,共5页
为了实现肝包虫病病灶的提前识别和精确诊断,使用基于深度学习技术的智能阅片系统“易诊”开发微信小程序,以辅助新疆偏远地区的用户对肝包虫病超声图像进行肝包虫病病灶区域的识别。采用卷积神经网络(CNN)等深度学习技术,实现医学影像... 为了实现肝包虫病病灶的提前识别和精确诊断,使用基于深度学习技术的智能阅片系统“易诊”开发微信小程序,以辅助新疆偏远地区的用户对肝包虫病超声图像进行肝包虫病病灶区域的识别。采用卷积神经网络(CNN)等深度学习技术,实现医学影像数据的自动分析和诊断。经过测试和评估,该系统表现优异,所开发的微信小程序实现了移动端医学影像上传和病灶区域的识别分析。通过深度学习算法进行图像诊断分析,并实时展示分析结果,该微信小程序提供方便易用的上传医学图像的功能,助力医疗条件薄弱地区提高肝包虫病的诊断效率和诊断精度。 展开更多
关键词 微信小程序 深度学习 图像处理 智能阅片
在线阅读 下载PDF
基于Swin Transformer的肝囊型包虫病超声图分类研究 被引量:3
3
作者 热娜古丽·艾合麦提尼亚孜 米吾尔依提·海拉提 +2 位作者 王正业 叶尔夏提·多力孔 严传波 《电子技术应用》 2022年第11期7-12,18,共7页
为了提高肝包虫病的筛查和诊断效率,弥补部分地区医疗资源不足的情况,提出一种基于Swin Transformer的肝包虫病病灶智能分型方法,结合卷积注意力机制模型,通过学习图像的整体和局部细节特征来实现对五种类型的囊型包虫病病灶的全自动分... 为了提高肝包虫病的筛查和诊断效率,弥补部分地区医疗资源不足的情况,提出一种基于Swin Transformer的肝包虫病病灶智能分型方法,结合卷积注意力机制模型,通过学习图像的整体和局部细节特征来实现对五种类型的囊型包虫病病灶的全自动分类。为了验证模型具有优越性,将提出的预测模型与常见分类模型对比分析。结果显示基于改进的Swin Transformer模型在测试集上分类准确率可达92.6%。实验结果表明相较于其他算法,基于改进的Swin Transformer网络能较好地分类出肝囊型包虫超声图像,并且该方法可以推广到其他医疗应用中。 展开更多
关键词 深度学习 图像分类 肝囊型包虫病 超声影像 迁移学习
在线阅读 下载PDF
基于人工智能的肝包虫病超声图像判读平台构建研究 被引量:1
4
作者 马昕睿 热娜古丽·艾合麦提尼亚孜 +1 位作者 米吾尔依提·海拉提 严传波 《现代信息科技》 2023年第17期1-7,共7页
肝包虫病是牧区常见的人畜共患寄生虫病,医疗资源匮乏和医生经验不足等原因往往会影响疾病的早期筛查和诊断。为了实现肝包虫病病灶的精确诊断,文章结合Vue的前端技术开发了肝包虫病医学影像判读仿真平台,可辅助临床医生进行影像学诊断... 肝包虫病是牧区常见的人畜共患寄生虫病,医疗资源匮乏和医生经验不足等原因往往会影响疾病的早期筛查和诊断。为了实现肝包虫病病灶的精确诊断,文章结合Vue的前端技术开发了肝包虫病医学影像判读仿真平台,可辅助临床医生进行影像学诊断。该平台提供图像采集预处理、图像分割、图像分类和文本报告等模块,向学生展示有别于传统方法的计算机辅助诊断流程,让学生深刻理解深度学习在医学领域的应用流程,从而提升学生解决实际问题的能力。另外,以人工智能辅助肝包虫病早期筛查为例,为医学图像处理实验教学提供了新模式、新途径。 展开更多
关键词 肝包虫病 人工智能 自动检测 医学影像判读 远程教学
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部