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
皮肤肿瘤图像自动分类的研究进展
被引量：
6
1
作者
王慧
戚倩倩
+3 位作者
李雪
孙卫佳
刘莹
姚春丽
《计算机工程与应用》
CSCD
北大核心
2022年第16期31-48,共18页
皮肤恶性肿瘤对患者健康有极大的威胁,由于现有诊断技术存在精准性差及有创操作等局限性,导致皮肤恶性肿瘤的临床诊断精度低,误诊率高,诊疗效率低下。使用计算机算法进行图像自动分类可以有效提高临床诊断效率。对近年来国内外相关研究...
皮肤恶性肿瘤对患者健康有极大的威胁,由于现有诊断技术存在精准性差及有创操作等局限性,导致皮肤恶性肿瘤的临床诊断精度低,误诊率高,诊疗效率低下。使用计算机算法进行图像自动分类可以有效提高临床诊断效率。对近年来国内外相关研究工作进行了系统性归纳,总结了皮肤肿瘤图像自动分类模型常用的皮肤图像数据集和评估指标。对目前计算机技术在皮肤肿瘤诊断方面的常用模型及效果进行了详细的阐述,对比分析了各种方法的优势、局限及适用范围,并对未来发展趋势进行了展望。
展开更多
关键词
皮肤
肿瘤
人工智能
皮肤图像分类
智能诊断
皮肤
图像
数据集
在线阅读
下载PDF
职称材料
基于改进ConvNeXt的皮肤镜图像分类方法
被引量：
9
2
作者
李建威
吕晓琪
谷宇
《计算机工程》
CAS
CSCD
北大核心
2023年第10期239-246,254,共9页
皮肤癌是最致命的癌症之一,对皮肤镜图像进行精确分类尤为关键,然而现有的皮肤镜图像存在形态复杂、样本数量较少的问题,导致现有的自动分类方法难以提取图像特征信息,误判率较高。提出一种改进ConvNeXt的方法,并构建SE-SimAM-ConvNeXt...
皮肤癌是最致命的癌症之一,对皮肤镜图像进行精确分类尤为关键,然而现有的皮肤镜图像存在形态复杂、样本数量较少的问题,导致现有的自动分类方法难以提取图像特征信息,误判率较高。提出一种改进ConvNeXt的方法,并构建SE-SimAM-ConvNeXt模型。以ConvNeXt为基础网络,加入SimAM无参注意力模块,提升网络的特征提取能力,并在基础网络中引入通道注意力机制,增强ConvNeXt对潜在关键特征的挖掘能力。在训练初始时加入预热机制Cosine Warmup,在该过程中使用余弦函数值进行学习率的衰减,进一步加速ConvNeXt的收敛,提高ConvNeXt模型的分类能力。在HAM10000皮肤数据集上的实验结果表明,该模型的分类准确率、精确度、召回率、特异性分别为92.9%、85.3%、78.0%、97.5%,具有较好的皮肤镜图像分类能力,对皮肤癌病变的辅助诊断有一定程度的应用价值,可帮助皮肤科医生对皮肤癌做进一步的诊断。
展开更多
关键词
皮肤
镜
图像
分类
ConvNeXt网络
通道注意力机制
SimAM无参注意力
预热机制
在线阅读
下载PDF
职称材料
基于Self-Attention StyleGAN的皮肤癌图像生成与分类
被引量：
6
3
作者
赵宸
帅仁俊
+2 位作者
马力
刘文佳
吴梦麟
《计算机工程与应用》
CSCD
北大核心
2022年第18期111-121,共11页
针对以黑色素瘤为代表的皮肤癌分类任务存在数据集各类样本数量、权重不均衡,且现有的对抗生成网络生成的皮肤癌样本图像质量较差导致临床诊断时难以分辨等问题,提出了一种基于自注意力的样式生成对抗网络(Self-Attention StyleGAN)与SE...
针对以黑色素瘤为代表的皮肤癌分类任务存在数据集各类样本数量、权重不均衡,且现有的对抗生成网络生成的皮肤癌样本图像质量较差导致临床诊断时难以分辨等问题,提出了一种基于自注意力的样式生成对抗网络(Self-Attention StyleGAN)与SE-ResNeXt-50相结合的皮肤癌图像样本生成与分类框架。该框架在样式生成对抗网络(StyleGAN)的基础上引入了自注意力机制,对生成器的样式控制和噪声输入结构进行了重新设计,并重构了鉴别器对图像生成器进行了调整,从而有效地合成高质量的皮肤癌病变图像。使用SE-ResNeXt-50来对皮肤癌样本图像进行分类,更好地提取样本图像不同层次特征图的信息,从而提高了平衡多类精度(BMA)。实验结果表明,该模型在ISIC2019皮肤癌数据集上生成的样本图像质量较高,且分类BMA达到94.71%。该方法提高了皮肤癌病变图像分类的准确性,帮助皮肤科医生对不同类型的皮肤癌病变进行判断和诊断,并对不同阶段和难以区分的皮肤癌病变进行分析。
展开更多
关键词
黑色素瘤
皮肤
癌病变
图像
生成与
分类
ResNeXt
StyleGAN
深度卷积神经网络
在线阅读
下载PDF
职称材料
题名
皮肤肿瘤图像自动分类的研究进展
被引量：
6
1
作者
王慧
戚倩倩
李雪
孙卫佳
刘莹
姚春丽
机构
长春工业大学计算机科学与工程学院
吉林大学第二医院皮肤科
出处
《计算机工程与应用》
CSCD
北大核心
2022年第16期31-48,共18页
基金
吉林省卫生专项项目(2020SCZT013)
吉林省医疗卫生人才专项项目(2019SCZT027)
+1 种基金
吉林省教育厅科学技术研究项目(JJKH20210753KJ)
吉林省科技厅自然科学基金(YDZJ202201ZYTS556)。
文摘
皮肤恶性肿瘤对患者健康有极大的威胁,由于现有诊断技术存在精准性差及有创操作等局限性,导致皮肤恶性肿瘤的临床诊断精度低,误诊率高,诊疗效率低下。使用计算机算法进行图像自动分类可以有效提高临床诊断效率。对近年来国内外相关研究工作进行了系统性归纳,总结了皮肤肿瘤图像自动分类模型常用的皮肤图像数据集和评估指标。对目前计算机技术在皮肤肿瘤诊断方面的常用模型及效果进行了详细的阐述,对比分析了各种方法的优势、局限及适用范围,并对未来发展趋势进行了展望。
关键词
皮肤
肿瘤
人工智能
皮肤图像分类
智能诊断
皮肤
图像
数据集
Keywords
skin neoplasms
artificial intelligence
skin image classification
intelligent diagnosis
skin image dataset
分类号
R758.69 [医药卫生—皮肤病学与性病学]
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
基于改进ConvNeXt的皮肤镜图像分类方法
被引量：
9
2
作者
李建威
吕晓琪
谷宇
机构
内蒙古科技大学信息工程学院内蒙古自治区模式识别与智能图像处理重点实验室
内蒙古工业大学信息工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第10期239-246,254,共9页
基金
国家自然科学基金(62001255,61841204,61771266)
中央引导地方科技发展资金(2021ZY0004)
+3 种基金
内蒙古自治区自然科学基金(2019MS06003,2015MS0604)
内蒙古自治区高等学校青年科技英才计划项目(NJYT23057)
教育部“春晖计划”合作科研项目(教外司留[2019]1383号)
内蒙古科技大学基本科研业务费专项资金优秀青年基金(2022042)。
文摘
皮肤癌是最致命的癌症之一,对皮肤镜图像进行精确分类尤为关键,然而现有的皮肤镜图像存在形态复杂、样本数量较少的问题,导致现有的自动分类方法难以提取图像特征信息,误判率较高。提出一种改进ConvNeXt的方法,并构建SE-SimAM-ConvNeXt模型。以ConvNeXt为基础网络,加入SimAM无参注意力模块,提升网络的特征提取能力,并在基础网络中引入通道注意力机制,增强ConvNeXt对潜在关键特征的挖掘能力。在训练初始时加入预热机制Cosine Warmup,在该过程中使用余弦函数值进行学习率的衰减,进一步加速ConvNeXt的收敛,提高ConvNeXt模型的分类能力。在HAM10000皮肤数据集上的实验结果表明,该模型的分类准确率、精确度、召回率、特异性分别为92.9%、85.3%、78.0%、97.5%,具有较好的皮肤镜图像分类能力,对皮肤癌病变的辅助诊断有一定程度的应用价值,可帮助皮肤科医生对皮肤癌做进一步的诊断。
关键词
皮肤
镜
图像
分类
ConvNeXt网络
通道注意力机制
SimAM无参注意力
预热机制
Keywords
dermoscopy image classification
ConvNeXt network
channel attention mechanism
SimAM without reference attention
warmup mechanism
分类号
TP391.4 [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Self-Attention StyleGAN的皮肤癌图像生成与分类
被引量：
6
3
作者
赵宸
帅仁俊
马力
刘文佳
吴梦麟
机构
南京工业大学计算机科学与技术学院
南京市卫生信息中心
南京医科大学附属常州第二人民医院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第18期111-121,共11页
基金
国家自然科学基金(61701222)。
文摘
针对以黑色素瘤为代表的皮肤癌分类任务存在数据集各类样本数量、权重不均衡,且现有的对抗生成网络生成的皮肤癌样本图像质量较差导致临床诊断时难以分辨等问题,提出了一种基于自注意力的样式生成对抗网络(Self-Attention StyleGAN)与SE-ResNeXt-50相结合的皮肤癌图像样本生成与分类框架。该框架在样式生成对抗网络(StyleGAN)的基础上引入了自注意力机制,对生成器的样式控制和噪声输入结构进行了重新设计,并重构了鉴别器对图像生成器进行了调整,从而有效地合成高质量的皮肤癌病变图像。使用SE-ResNeXt-50来对皮肤癌样本图像进行分类,更好地提取样本图像不同层次特征图的信息,从而提高了平衡多类精度(BMA)。实验结果表明,该模型在ISIC2019皮肤癌数据集上生成的样本图像质量较高,且分类BMA达到94.71%。该方法提高了皮肤癌病变图像分类的准确性,帮助皮肤科医生对不同类型的皮肤癌病变进行判断和诊断,并对不同阶段和难以区分的皮肤癌病变进行分析。
关键词
黑色素瘤
皮肤
癌病变
图像
生成与
分类
ResNeXt
StyleGAN
深度卷积神经网络
Keywords
melanoma
skin lesion image generation and classification
ResNeXt
StyleGAN
deep convolutional neural networks
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
皮肤肿瘤图像自动分类的研究进展
王慧
戚倩倩
李雪
孙卫佳
刘莹
姚春丽
《计算机工程与应用》
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
2
基于改进ConvNeXt的皮肤镜图像分类方法
李建威
吕晓琪
谷宇
《计算机工程》
CAS
CSCD
北大核心
2023
9
在线阅读
下载PDF
职称材料
3
基于Self-Attention StyleGAN的皮肤癌图像生成与分类
赵宸
帅仁俊
马力
刘文佳
吴梦麟
《计算机工程与应用》
CSCD
北大核心
2022
6
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
