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
基于超复数和U-Net的四元数值神经网络在眼底血管分割中的应用
1
作者
李冰
张洁
+3 位作者
上官燕玉
姜晴
牛耘丽
毕燕龙
《中华实验眼科杂志》
CAS
CSCD
北大核心
2024年第12期1090-1099,共10页
目的建立基于U-Net的四元数值神经网络(QU-Net)的眼底血管分割模型,并验证其对眼底影像视网膜血管提取和分割的精确度和效率。方法采用超复数概念,使用彩色图片的3个通道,用四元矩阵表示彩色图片的所有信息数据;该四元矩阵用作四元卷积...
目的建立基于U-Net的四元数值神经网络(QU-Net)的眼底血管分割模型,并验证其对眼底影像视网膜血管提取和分割的精确度和效率。方法采用超复数概念,使用彩色图片的3个通道,用四元矩阵表示彩色图片的所有信息数据;该四元矩阵用作四元卷积和四元数完全连接层的输入,基于U-Net架构进行计算,形成QU-Net模型。将QU-Net模型先在DRIVE、STARE和CHASE_DB1数据集上进行初始测试,与传统实数空间的U-Net、M-Net和SU-Net模型从准确率、敏感度、特异度、精确度、F1值和马修斯相关系数(MCC)等方面进行性能比较。进一步对该模型进行优化,并将优化后的QU-Net模型与国际上已知的先进模型进行横向比较,从而综合评估该模型在眼底影像血管分割提取方面的效率和准确性。结果QU-Net模型在DRIVE数据集上血管分割的准确率为0.9566,敏感度为0.7008,特异度为0.9879,精确度为0.5954;在STARE数据集上,其准确率为0.9755,敏感度为0.8907,特异度为0.9842,精确度为0.6625;在CHASE_DB1数据集上,其准确率为0.9794,敏感度为0.7470,特异度为0.9906,精确度为0.5969。QU-Net模型的特异度优于U-Net、M-Net、SU-Net模型,其准确率、敏感度和精确度不弱于3个经典模型。对QU-Net模型进行优化后,在维持其原本准确率和特异度的基础上,优化模型在3个数据集上的敏感度、精确度和F1值均得到有效提高。将其与国际上其他已发表模型测试的各指标结果在3个数据集分别进行横向比较,发现优化的QU-Net模型的准确率、特异度、敏感度、精确度、F1值均表现良好,综合分析结果显示该模型的血管分割能力不弱于国际先进模型,在所有对比的模型中,优化的QU-Net模型的F1值和MCC表现最优。结论本研究提出的QU-Net模型把数据维度空间从传统的实数空间提升至复数空间,大大减少了数据信息的损失;优化的QU-Net模型具有良好的眼底影像血管分割提取效率和准确性,并在检测细血管方面具有一定优越性。
展开更多
关键词
人工智能
眼底
视网膜血管
超复数
血管分割
四元数值神经网络
U-Net
网络
结构
Adam优化器
在线阅读
下载PDF
职称材料
题名
基于超复数和U-Net的四元数值神经网络在眼底血管分割中的应用
1
作者
李冰
张洁
上官燕玉
姜晴
牛耘丽
毕燕龙
机构
同济大学附属同济医院眼科
出处
《中华实验眼科杂志》
CAS
CSCD
北大核心
2024年第12期1090-1099,共10页
基金
国家自然科学基金(82070920)
同济大学附属同济医院人才引进科研启动项目(RCQD2402)
上海市同济医院第六周期院内重点学科重点培育项目(2024—2026)。
文摘
目的建立基于U-Net的四元数值神经网络(QU-Net)的眼底血管分割模型,并验证其对眼底影像视网膜血管提取和分割的精确度和效率。方法采用超复数概念,使用彩色图片的3个通道,用四元矩阵表示彩色图片的所有信息数据;该四元矩阵用作四元卷积和四元数完全连接层的输入,基于U-Net架构进行计算,形成QU-Net模型。将QU-Net模型先在DRIVE、STARE和CHASE_DB1数据集上进行初始测试,与传统实数空间的U-Net、M-Net和SU-Net模型从准确率、敏感度、特异度、精确度、F1值和马修斯相关系数(MCC)等方面进行性能比较。进一步对该模型进行优化,并将优化后的QU-Net模型与国际上已知的先进模型进行横向比较,从而综合评估该模型在眼底影像血管分割提取方面的效率和准确性。结果QU-Net模型在DRIVE数据集上血管分割的准确率为0.9566,敏感度为0.7008,特异度为0.9879,精确度为0.5954;在STARE数据集上,其准确率为0.9755,敏感度为0.8907,特异度为0.9842,精确度为0.6625;在CHASE_DB1数据集上,其准确率为0.9794,敏感度为0.7470,特异度为0.9906,精确度为0.5969。QU-Net模型的特异度优于U-Net、M-Net、SU-Net模型,其准确率、敏感度和精确度不弱于3个经典模型。对QU-Net模型进行优化后,在维持其原本准确率和特异度的基础上,优化模型在3个数据集上的敏感度、精确度和F1值均得到有效提高。将其与国际上其他已发表模型测试的各指标结果在3个数据集分别进行横向比较,发现优化的QU-Net模型的准确率、特异度、敏感度、精确度、F1值均表现良好,综合分析结果显示该模型的血管分割能力不弱于国际先进模型,在所有对比的模型中,优化的QU-Net模型的F1值和MCC表现最优。结论本研究提出的QU-Net模型把数据维度空间从传统的实数空间提升至复数空间,大大减少了数据信息的损失;优化的QU-Net模型具有良好的眼底影像血管分割提取效率和准确性,并在检测细血管方面具有一定优越性。
关键词
人工智能
眼底
视网膜血管
超复数
血管分割
四元数值神经网络
U-Net
网络
结构
Adam优化器
Keywords
Artificial intelligence
Fundus oculi
Retina vessels
Hypercomplex number
Vessel segmentation
Quaternion-valued neural network
U-Net
Adam optimization
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
R77 [医药卫生—眼科]
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
基于超复数和U-Net的四元数值神经网络在眼底血管分割中的应用
李冰
张洁
上官燕玉
姜晴
牛耘丽
毕燕龙
《中华实验眼科杂志》
CAS
CSCD
北大核心
2024
0
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
