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
2
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
基于改进U-Net网络的甲状腺结节超声图像分割方法
被引量：
16
1
作者
王波
李梦翔
刘侠
《电子与信息学报》
EI
CSCD
北大核心
2022年第2期514-522,共9页
针对甲状腺结节尺寸多变、超声图像中甲状腺结节边缘模糊导致难以分割的问题,该文提出一种基于改进U-net网络的甲状腺结节超声图像分割方法。该方法首先将图片经过有残差结构和多尺度卷积结构的编码器路径进行降尺度特征提取;然后,利用...
针对甲状腺结节尺寸多变、超声图像中甲状腺结节边缘模糊导致难以分割的问题,该文提出一种基于改进U-net网络的甲状腺结节超声图像分割方法。该方法首先将图片经过有残差结构和多尺度卷积结构的编码器路径进行降尺度特征提取;然后,利用带有注意力模块的跳跃长连接部分对特征张量进行边缘轮廓保持操作;最后,使用带有残差结构和多尺度卷积结构的解码器路径得到分割结果。实验结果表明,该文所提方法的平均分割Dice值达到0.7822,较传统U-Net方法具有更优的分割性能。
展开更多
关键词
图像
分割
甲状腺结节超声图像
注意力机制
U-Net
在线阅读
下载PDF
职称材料
联合超声甲状腺结节分割与分类的多任务方法研究
被引量：
1
2
作者
刘侠
吕志伟
+2 位作者
王波
王狄
谢林浩
《智能系统学报》
CSCD
北大核心
2023年第4期764-774,共11页
针对超声图像中甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡问题,提出一种联合超声甲状腺结节分割与分类的多任务方法。以全卷积网络作为主干共享网络,将提取到的浅层特征共享给多任务分支网络,在分割网络分支中,先加入深层卷积块...
针对超声图像中甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡问题,提出一种联合超声甲状腺结节分割与分类的多任务方法。以全卷积网络作为主干共享网络,将提取到的浅层特征共享给多任务分支网络,在分割网络分支中,先加入深层卷积块,获取分割分支深层特征,再对深层特征进行上采样。本文提出一种改进卷积注意力模块的多尺度卷积注意力模块,将上采样结果与主干共享网络每个特征提取阶段经过带有多尺度卷积注意力模块跳跃连接后的特征张量进行拼接,减少结节边缘模糊问题,提高分割性能。同时将多尺度卷积注意力模块融入到分类分支中,优化分类性能。实验结果表明:本文所提多任务方法能有效提升分割和分类的精度,较单任务深度学习网络具有更优的分割与分类性能,能有效处理甲状腺结节多尺度、结节边缘模糊的问题,降低良恶分类不平衡带来的影响。
展开更多
关键词
深度学习
多任务学习
甲状腺结节超声图像
图像
分割
图像
分类
深层卷积块
多尺度卷积注意力模块
残差结构
在线阅读
下载PDF
职称材料
题名
基于改进U-Net网络的甲状腺结节超声图像分割方法
被引量：
16
1
作者
王波
李梦翔
刘侠
机构
哈尔滨理工大学自动化学院
黑龙江省复杂智能系统与集成重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第2期514-522,共9页
基金
国家自然科学基金(61172167)
哈尔滨理工大学“理工英才”计划科学研究项目(LGYC2018JC013)
黑龙江省青年科学基金项目(QC2017076)。
文摘
针对甲状腺结节尺寸多变、超声图像中甲状腺结节边缘模糊导致难以分割的问题,该文提出一种基于改进U-net网络的甲状腺结节超声图像分割方法。该方法首先将图片经过有残差结构和多尺度卷积结构的编码器路径进行降尺度特征提取;然后,利用带有注意力模块的跳跃长连接部分对特征张量进行边缘轮廓保持操作;最后,使用带有残差结构和多尺度卷积结构的解码器路径得到分割结果。实验结果表明,该文所提方法的平均分割Dice值达到0.7822,较传统U-Net方法具有更优的分割性能。
关键词
图像
分割
甲状腺结节超声图像
注意力机制
U-Net
Keywords
Image segmentation
Ultrasound image of thyroid nodule
Attention mechanism
U-Net
分类号
TN911.73 [电子电信—通信与信息系统]
TP391 [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
联合超声甲状腺结节分割与分类的多任务方法研究
被引量：
1
2
作者
刘侠
吕志伟
王波
王狄
谢林浩
机构
哈尔滨理工大学自动化学院
哈尔滨理工大学黑龙江省复杂智能系统与集成重点实验室
广东科学技术职业学院计算机工程技术学院
出处
《智能系统学报》
CSCD
北大核心
2023年第4期764-774,共11页
基金
国家自然科学基金项目(61172167)
黑龙江省青年科学基金项目(QC2017076)
+2 种基金
广东省教育厅青年创新人才类项目(2019GKQNCX043)
广东省教育厅普通高校特色创新项目(2019GKTSCX029)
广东省普通高校创新团队项目(2021KCXTD079)。
文摘
针对超声图像中甲状腺结节多尺度、结节边缘模糊、良恶分类不平衡问题,提出一种联合超声甲状腺结节分割与分类的多任务方法。以全卷积网络作为主干共享网络,将提取到的浅层特征共享给多任务分支网络,在分割网络分支中,先加入深层卷积块,获取分割分支深层特征,再对深层特征进行上采样。本文提出一种改进卷积注意力模块的多尺度卷积注意力模块,将上采样结果与主干共享网络每个特征提取阶段经过带有多尺度卷积注意力模块跳跃连接后的特征张量进行拼接,减少结节边缘模糊问题,提高分割性能。同时将多尺度卷积注意力模块融入到分类分支中,优化分类性能。实验结果表明:本文所提多任务方法能有效提升分割和分类的精度,较单任务深度学习网络具有更优的分割与分类性能,能有效处理甲状腺结节多尺度、结节边缘模糊的问题,降低良恶分类不平衡带来的影响。
关键词
深度学习
多任务学习
甲状腺结节超声图像
图像
分割
图像
分类
深层卷积块
多尺度卷积注意力模块
残差结构
Keywords
deep learning
multi-task learning
ultrasound image of thyroid nodule
image segmentation
image classification
deep layer convolutional block
multiscale convolutional block attention module
residual structure
分类号
TP391 [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
基于改进U-Net网络的甲状腺结节超声图像分割方法
王波
李梦翔
刘侠
《电子与信息学报》
EI
CSCD
北大核心
2022
16
在线阅读
下载PDF
职称材料
2
联合超声甲状腺结节分割与分类的多任务方法研究
刘侠
吕志伟
王波
王狄
谢林浩
《智能系统学报》
CSCD
北大核心
2023
1
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
