-
题名基于各向异性注意力的双分支血管分割模型
被引量：1
- 1
-
-
作者
徐晓峰
黄韫栀
徐军
-
机构
南京信息工程大学人工智能学院智慧医疗研究院
-
出处
《计算机工程》
CSCD
北大核心
2024年第1期348-356,共9页
-
基金
国家自然科学基金(U1809205,62171230,62101365,61771249)
南京信息工程大学科研启动经费(2022r100)
江苏省双创博士经费。
-
文摘
血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性注意力的新型三维血管分割网络CAU-Net。针对血管分割的难点,对基础网络结构ResU-Net进行改进,构建各向异性注意力模块,该模块根据管腔结构特有的空间各向异性,从3个方向提取血管空间各向异性特征,并对特征通道间的相关性进行建模,学习血管的三维空间信息。采用主-辅双分支模型,b-Net对血管进行语义分割,a-Net学习血管中心线的连续性特征,约束b-Net的血管分割结果,保证血管分割结果的完整性。在公开数据集3D-IRCADb-01上的实验结果表明,对于门静脉及肝静脉的分割,CAU-Net分别取得(74.80±8.05)%和(76.14±6.89)%的Dice系数、(54.80±8.09)%和(50.40±5.22)%的NSD系数、(72.43±8.26)%和(70.84±6.05)%的clDice系数、(46.47±12.89)%和(39.19±7.97)%的分支检测率以及(67.08±15.59)%和(61.47±9.32)%的树长检测率。在公开脑血管数据集IXI上进行组件消融实验,模型在验证集上的平均Dice、NSD、clDice、BD和TD分别为(94.11±0.39)%、(96.53±0.37)%、(95.83±0.59)%、(98.64±1.63)%和(95.44±1.22)%,相比于Baseline分别提升了0.92%、0.82%、0.92%、1.11%和1.60%。CAU-Net血管分割模型能够显著提升血管分割的精度和完整度。
-
关键词
血管分割
中心线约束
各向异性
注意力机制
双分支模型
-
Keywords
vascular segmentation
centerline constraint
anisotropy
attention mechanism
dual-branch model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于任务解耦的低照度图像增强方法
被引量：3
- 2
-
-
作者
牛玉贞
陈铭铭
李悦洲
赵铁松
-
机构
福州大学计算机与大数据学院
福建省网络计算与智能信息处理重点实验室(福州大学)
大数据智能教育部工程研究中心
福州大学物理与信息工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第1期34-45,共12页
-
基金
国家自然科学基金(No.62171134)
福建省自然科学基金(No.2023J01067)。
-
文摘
低照度条件下拍摄的照片往往存在亮度低、颜色失真、噪声高、细节退化等多重耦合问题,因此低照度图像增强是一个具有挑战性的任务.现有基于深度学习的低照度图像增强方法通常聚焦于对亮度和色彩的提升,导致增强图像中仍然存在噪声等缺陷.针对上述问题,本文提出了一种基于任务解耦的低照度图像增强方法,根据低照度图像增强任务对高层和低层特征的不同需求,将该任务解耦为亮度与色彩增强和细节重构两组任务,进而构建双分支低照度图像增强网络模型(Two-Branch Low-light Image Enhancement Network,TBLIEN).其中,亮度与色彩增强分支采用带全局特征的U-Net结构,提取深层语义信息改善亮度与色彩;细节重构分支采用保持原始分辨率的全卷积网络实现细节复原和噪声去除.此外,在细节重构分支中,本文提出一种半双重注意力残差模块,能在保留上下文特征的同时通过空间和通道注意力强化特征,从而实现更精细的细节重构.在合成和真实数据集上的广泛实验表明,本文模型的性能超越了当前先进的低照度图像增强方法,并具有更好的泛化能力,且可适用于水下图像增强等其他图像增强任务.
-
关键词
低照度图像增强
任务解耦
双分支网络模型
对比学习
残差网络
-
Keywords
low-light image enhancement
task decoupling
two-branch network
comparative learning
residual network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名生成对抗网络的素描生成方法
被引量：2
- 3
-
-
作者
滕少华
袁萧勇
张巍
-
机构
广东工业大学计算机学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第4期852-857,共6页
-
基金
广东省重点领域研发计划项目(2020B010166006)资助
国家自然科学基金项目(61972102)资助
+1 种基金
广东省教育厅项目(粤教高函[2018]179号,粤教高函[2018]1号)资助
广州市科技计划项目(201903010107,201802030011,201802010026,201802010042,201604046017)资助。
-
文摘
从彩图/照片生成素描,其生成素描图像的轮廓、阴影与铅笔素描画相比不够清晰,精准度也不高.由于素描笔画类型多样,阴影结构复杂.为此,本文提出了一种人脸照片到铅笔画的转换方法,设计并实现了一个双分支训练生成对抗网络模型,其轮廓分支提高生成素描图像的轮廓清晰度;另一阴影分支处理素描的纹理与阴影部分,并且保持素描画的风格.最后,本文对不同类型的素描风格转换进行了实验,结果表明提出的方法比现有方法有更好的素描生成效果.
-
关键词
图像转换
生成对抗网络
双分支模型
铅笔素描
-
Keywords
image transformation
generative adversarial network
dual-branch model
pencil sketch
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
