期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的肝包虫病超声图像分型研究
被引量：
10
1
作者
南嘉格列
李锐
+3 位作者
王海霞
周旭
王毅
倪东
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2019年第6期702-708,共7页
肝包虫病是一种严重的地域性寄生虫病,其病灶分型主要依靠临床医生对超声图像的主观判断,疾病筛查十分耗时,且容易造成误判.提出一种基于超声图像的肝包虫病病灶智能分型方法,首先从肝脏包虫病超声图像中直接裁剪得到病灶区域图像,利用...
肝包虫病是一种严重的地域性寄生虫病,其病灶分型主要依靠临床医生对超声图像的主观判断,疾病筛查十分耗时,且容易造成误判.提出一种基于超声图像的肝包虫病病灶智能分型方法,首先从肝脏包虫病超声图像中直接裁剪得到病灶区域图像,利用深度卷积神经网络(convolutional neural network,CNN)提取图像多尺度特征,然后结合视觉注意力模型,通过分类网络的主分支和辅助分支分别学习图像的整体和局部细节特征,最后使用度量学习来表征同类别之间样本的相似特征,实现对9种类型的包虫病病灶进行全自动分类.构建了一个18层CNN网络,通过7000张图像完成训练,在2000张图像上测试得到的平均准确率为82%,平均F 1分数为82%.实验结果表明,该方法能有效用于肝包虫病超声图像分型.
展开更多
关键词
生物医学工程
肝包虫病
卷积神经
网络
超声图像
病灶分型
视觉注意力模型
度量学习
迁移学习
双分支分类网络
在线阅读
下载PDF
职称材料
题名
基于深度学习的肝包虫病超声图像分型研究
被引量：
10
1
作者
南嘉格列
李锐
王海霞
周旭
王毅
倪东
机构
青海大学附属医院超声科
深圳大学医学超声图像计算实验室
出处
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2019年第6期702-708,共7页
基金
国家自然科学基金资助项目(61571304)~~
文摘
肝包虫病是一种严重的地域性寄生虫病,其病灶分型主要依靠临床医生对超声图像的主观判断,疾病筛查十分耗时,且容易造成误判.提出一种基于超声图像的肝包虫病病灶智能分型方法,首先从肝脏包虫病超声图像中直接裁剪得到病灶区域图像,利用深度卷积神经网络(convolutional neural network,CNN)提取图像多尺度特征,然后结合视觉注意力模型,通过分类网络的主分支和辅助分支分别学习图像的整体和局部细节特征,最后使用度量学习来表征同类别之间样本的相似特征,实现对9种类型的包虫病病灶进行全自动分类.构建了一个18层CNN网络,通过7000张图像完成训练,在2000张图像上测试得到的平均准确率为82%,平均F 1分数为82%.实验结果表明,该方法能有效用于肝包虫病超声图像分型.
关键词
生物医学工程
肝包虫病
卷积神经
网络
超声图像
病灶分型
视觉注意力模型
度量学习
迁移学习
双分支分类网络
Keywords
artificial intelligence
hepatic echinococcosis
convolutional neural network
ultrasonoscopy
lesions classification
visual attention model
metric learning
transfer learning
dual-branch classification network
分类号
R318 [医药卫生—生物医学工程]
TP751 [自动化与计算机技术—检测技术与自动化装置]
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
基于深度学习的肝包虫病超声图像分型研究
南嘉格列
李锐
王海霞
周旭
王毅
倪东
《深圳大学学报（理工版）》
EI
CAS
CSCD
北大核心
2019
10
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
