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
3
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
基于动态金字塔和子空间注意力的图像超分辨率重建网络
被引量：
6
1
作者
何鹏浩
余映
徐超越
《计算机科学》
CSCD
北大核心
2022年第S02期423-430,共8页
针对现有单图像超分辨率卷积神经网络存在模型参数过多以及重建失真过大的问题,提出了一种基于动态金字塔结构与子空间注意力模块的轻量级单图像超分辨率网络模型。首先,所采用的动态多尺度金字塔特征组合模块的网络主体由动态卷积和金...
针对现有单图像超分辨率卷积神经网络存在模型参数过多以及重建失真过大的问题,提出了一种基于动态金字塔结构与子空间注意力模块的轻量级单图像超分辨率网络模型。首先,所采用的动态多尺度金字塔特征组合模块的网络主体由动态卷积和金字塔分组卷积构成。其次,动态卷积可以根据不同的图像内容自适应地进行不同的卷积操作,从而对不同的图像提取出不同的特征;金字塔分组卷积不仅可以更好地提取多尺度图像特征信息,而且能够有效降低网络模型的参数量。最后,在网络模型末端采用子空间注意力模块,将图像的通道空间分为多个子空间,并为每个子空间学习不同的注意力图,这样不仅可以更好地捕获图像的跨通道相关信息,而且可以有效融合各子空间的图像特征信息。与现有主流算法相比,所提方法不仅具有更小的网络模型参数量,而且重建出的超分辨率图像在视觉效果和定量分析方面均能取得更好的表现。
展开更多
关键词
超分辨率
轻量级
动态卷积
金字塔分组卷积
子空间注意力
模块
在线阅读
下载PDF
职称材料
融合多尺度特征和子空间注意力的黏膜下肿瘤检测
被引量：
1
2
作者
蔡贤杰
丁德锐
+1 位作者
魏国亮
武俊珂
《上海理工大学学报》
CAS
CSCD
北大核心
2023年第5期477-487,共11页
计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况,从而提高诊断准确度,同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题,提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YO...
计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况,从而提高诊断准确度,同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题,提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先,移除小目标预测头,在保证精度下使网络轻量化;然后,基于浅层特征提出多尺度特征融合模块,提取肿瘤细节信息;其次,改进上采样结构,在保留上层信息的同时增强感受野;最后,引入子空间位置注意力模块,捕获肿瘤的位置和边界特征,进一步提升黏膜下肿瘤的检测性能。实验表明,MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%,96.99%和96.24%,相比YOLOv7-tiny算法检测性能有较大的提升,分别提高了2.39%,2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考,同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。
展开更多
关键词
黏膜下肿瘤
计算机辅助检测
多尺度特征
上采样
子空间注意力
在线阅读
下载PDF
职称材料
基于子空间特征相互学习的MRI与PET/SPECT图像融合
被引量：
2
3
作者
张瑛
聂仁灿
+1 位作者
马朝振
余仕双
《计算机科学》
CSCD
北大核心
2022年第S02期382-387,共6页
在医学图像中,MRI图像提供包含细节的纹理结构信息和较好的分辨率,而PET/SPECT图像保留了分子活性信息以及颜色功能信息,因此,将它们进行融合是一项重要的任务。大部分现有的方法在融合过程中存在颜色失真、模糊和噪声等问题。为此,提...
在医学图像中,MRI图像提供包含细节的纹理结构信息和较好的分辨率,而PET/SPECT图像保留了分子活性信息以及颜色功能信息,因此,将它们进行融合是一项重要的任务。大部分现有的方法在融合过程中存在颜色失真、模糊和噪声等问题。为此,提出了一种新的基于子空间注意力孪生自编码网络(Subspace Attention-Siamese Auto-encoding Network,SSASAEN)来融合MRI和PET/SPECT图像中有意义的信息。在图像融合网络中提出SSA-SAEN,引入了子空间特征相互学习概念,利用子空间注意力模块,使MRI和PET/SPECT图像能够在学习自己特征的同时互相学习彼此的特征,同时减少信息冗余,保证高效、完整的特征提取。此外,通过条件概率模型对所提取的特征进行互补融合,同时将加权保真项、梯度损失项加入到训练网络中,以达到网络优化的目的。在公共数据集上进行的大量定性和定量实验表明,该方法能够得到一幅清晰的融合图像,表明了该方法与其他先进方法相比的优越性和有效性。
展开更多
关键词
子空间注意力
互补学习
神经网络
MRI与PET/SPECT图像融合
在线阅读
下载PDF
职称材料
题名
基于动态金字塔和子空间注意力的图像超分辨率重建网络
被引量：
6
1
作者
何鹏浩
余映
徐超越
机构
云南大学信息学院
出处
《计算机科学》
CSCD
北大核心
2022年第S02期423-430,共8页
基金
国家自然科学基金(62166048,61263048)
云南省应用基础研究计划项目(2018FB102)
文摘
针对现有单图像超分辨率卷积神经网络存在模型参数过多以及重建失真过大的问题,提出了一种基于动态金字塔结构与子空间注意力模块的轻量级单图像超分辨率网络模型。首先,所采用的动态多尺度金字塔特征组合模块的网络主体由动态卷积和金字塔分组卷积构成。其次,动态卷积可以根据不同的图像内容自适应地进行不同的卷积操作,从而对不同的图像提取出不同的特征;金字塔分组卷积不仅可以更好地提取多尺度图像特征信息,而且能够有效降低网络模型的参数量。最后,在网络模型末端采用子空间注意力模块,将图像的通道空间分为多个子空间,并为每个子空间学习不同的注意力图,这样不仅可以更好地捕获图像的跨通道相关信息,而且可以有效融合各子空间的图像特征信息。与现有主流算法相比,所提方法不仅具有更小的网络模型参数量,而且重建出的超分辨率图像在视觉效果和定量分析方面均能取得更好的表现。
关键词
超分辨率
轻量级
动态卷积
金字塔分组卷积
子空间注意力
模块
Keywords
Super-resolution
Lightweight
Dynamic convolution
Pyramid grouping convolution
Subspace attention block
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
融合多尺度特征和子空间注意力的黏膜下肿瘤检测
被引量：
1
2
作者
蔡贤杰
丁德锐
魏国亮
武俊珂
机构
上海理工大学光电信息与计算机工程学院
上海理工大学管理学院
上海理工大学理学院
出处
《上海理工大学学报》
CAS
CSCD
北大核心
2023年第5期477-487,共11页
基金
国家自然科学基金资助项目(61973219)。
文摘
计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况,从而提高诊断准确度,同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题,提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先,移除小目标预测头,在保证精度下使网络轻量化;然后,基于浅层特征提出多尺度特征融合模块,提取肿瘤细节信息;其次,改进上采样结构,在保留上层信息的同时增强感受野;最后,引入子空间位置注意力模块,捕获肿瘤的位置和边界特征,进一步提升黏膜下肿瘤的检测性能。实验表明,MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%,96.99%和96.24%,相比YOLOv7-tiny算法检测性能有较大的提升,分别提高了2.39%,2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考,同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。
关键词
黏膜下肿瘤
计算机辅助检测
多尺度特征
上采样
子空间注意力
Keywords
submucosal tumor
computer-aided detection
multi-scale feature
up sample
subspace attention
分类号
TP391.1 [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
基于子空间特征相互学习的MRI与PET/SPECT图像融合
被引量：
2
3
作者
张瑛
聂仁灿
马朝振
余仕双
机构
云南大学信息学院
出处
《计算机科学》
CSCD
北大核心
2022年第S02期382-387,共6页
基金
国家自然科学基金(61966037,61463052)
中国博士后科学基金(2017M621586)
云南大学研究生科学基金资助项目(2020314)
文摘
在医学图像中,MRI图像提供包含细节的纹理结构信息和较好的分辨率,而PET/SPECT图像保留了分子活性信息以及颜色功能信息,因此,将它们进行融合是一项重要的任务。大部分现有的方法在融合过程中存在颜色失真、模糊和噪声等问题。为此,提出了一种新的基于子空间注意力孪生自编码网络(Subspace Attention-Siamese Auto-encoding Network,SSASAEN)来融合MRI和PET/SPECT图像中有意义的信息。在图像融合网络中提出SSA-SAEN,引入了子空间特征相互学习概念,利用子空间注意力模块,使MRI和PET/SPECT图像能够在学习自己特征的同时互相学习彼此的特征,同时减少信息冗余,保证高效、完整的特征提取。此外,通过条件概率模型对所提取的特征进行互补融合,同时将加权保真项、梯度损失项加入到训练网络中,以达到网络优化的目的。在公共数据集上进行的大量定性和定量实验表明,该方法能够得到一幅清晰的融合图像,表明了该方法与其他先进方法相比的优越性和有效性。
关键词
子空间注意力
互补学习
神经网络
MRI与PET/SPECT图像融合
Keywords
Subspace attention
Mutual learning
Neural network
MRI and PET/SPECT image fusion
分类号
R318 [医药卫生—生物医学工程]
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
基于动态金字塔和子空间注意力的图像超分辨率重建网络
何鹏浩
余映
徐超越
《计算机科学》
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
2
融合多尺度特征和子空间注意力的黏膜下肿瘤检测
蔡贤杰
丁德锐
魏国亮
武俊珂
《上海理工大学学报》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
3
基于子空间特征相互学习的MRI与PET/SPECT图像融合
张瑛
聂仁灿
马朝振
余仕双
《计算机科学》
CSCD
北大核心
2022
2
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
