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
共找到9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：
基于CNN和Transformer双编码器的皮肤病变分割算法
1
作者 冯灿 史卫亚 +1 位作者 李岩超 梁义涛 《科学技术与工程》 北大核心 2025年第23期9900-9910,共11页
皮肤病的计算机辅助诊断(computer-aided diagnosis,CAD)在很大程度上依赖于自动皮肤病变分割,传统的卷积神经网络(convolutional neural network,CNN)在全局上下文信息捕获方面受限,为弥补这一缺陷,现有方法通常采用Transformer替代或... 皮肤病的计算机辅助诊断(computer-aided diagnosis,CAD)在很大程度上依赖于自动皮肤病变分割,传统的卷积神经网络(convolutional neural network,CNN)在全局上下文信息捕获方面受限,为弥补这一缺陷,现有方法通常采用Transformer替代或与CNN顺序堆叠,但可能导致网络冗余和局部细节丢失。为了解决上述问题,提出了一种基于CNN与Transformer并行的皮肤病变分割网络。采用双分支编码器,并行的将Transformer和CNN相结合,以提高全局上下文建模的效率。其次,创建了一种融合模块将来自于两个分支不同层次的特征有效的融合,同时降低计算复杂度。此外,使用双路径注意力门(dual-path attention gate,DAG)去抑制融合后图像中的噪声以及无关信息,突出重要特征。对ISIC 2017、ISIC 2018和PH^(2)的综合实验表明,所提方法表现出更好地分割效果,且具备良好的泛化能力。 展开更多
关键词 卷积神经网络 TRANSFORMER 注意力机制 特征融合 皮肤病变分割
在线阅读 下载PDF
基于密集多尺度特征和双注意力模块的皮肤病变分割 被引量：2
2
作者 费承 罗健旭 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期97-105,共9页
针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰... 针对皮肤病变分割任务中病变区域大小不一、形状各异、内部像素差异大、边界模糊、周围存在气泡等问题,提出了一种基于密集多尺度特征和双注意力模块的U型分割网络DDAnet。该网络中的DenseASPP模块通过密集连接多个空洞卷积层来获取丰富的多尺度信息,同时由通道注意力模块(CAM)和位置注意力模块(PAM)构成的双注意力模块通过编码全局上下文信息,在通道和位置上对特征图进行重新配准,实现对相关特征的强调和对无关特征的抑制。两个模块并行连接、共同作用以提高分割精度。在ISIC2018数据集上,DDAnet的准确率(Acc)、Jaccard相似系数(JI)、Dice系数(DC)、敏感度(Sen)和特异性(Spec)指标值分别为96.75%、85.00%、91.36%、91.82%和97.42%,分割结果优于其他的分割网络,并且对于极具挑战的病例,DDAnet仍然能够产生准确、可靠的分割结果,说明其具备在临床诊断中辅助医生进行皮肤病变分割的潜力。 展开更多
关键词 皮肤病变分割 DenseASPP模块 CAM PAM 双注意力模块
在线阅读 下载PDF
融合边缘增强与多尺度注意力的皮肤病变分割 被引量：1
3
作者 白雪飞 靳智超 +1 位作者 王文剑 马亚楠 《计算机科学》 CSCD 北大核心 2023年第4期96-102,共7页
皮肤病变形状、颜色、大小类型多样,给皮肤病变的准确分割带来了巨大挑战。针对这一问题,提出了一种融合边缘增强与多尺度注意力的皮肤病变分割网络(BEMA U-Net)。该网络包含一个用于提取全局特征的空间多尺度注意力模块和一个用于增强... 皮肤病变形状、颜色、大小类型多样,给皮肤病变的准确分割带来了巨大挑战。针对这一问题,提出了一种融合边缘增强与多尺度注意力的皮肤病变分割网络(BEMA U-Net)。该网络包含一个用于提取全局特征的空间多尺度注意力模块和一个用于增强病变区域边缘特征的边缘增强模块,将两种模块添加到以编码解码结构为主干的网络(U-Net)中,能够有效抑制病变图像中背景噪声的干扰并强化病灶的边缘细节。此外,设计了混合损失函数,结合Dice Loss和Boundary Loss,并在训练过程中实现混合损失函数的动态权重调整,使网络对病变图像整体特征和边缘细节特征的提取进行多重监督,缓解了皮肤病变图像分割中毛发干扰和边缘模糊的问题。在ISIC2017和ISIC2018两个公开数据集上的实验结果表明,所提算法对皮肤病变部位的分割图像边缘连续、轮廓清晰,具有更好的分割效果。 展开更多
关键词 皮肤病变分割 空间多尺度注意力 全局特征 边缘增强 U-Net
在线阅读 下载PDF
充分利用多尺度特征改进UNet实现皮肤病变分割 被引量：9
4
作者 赵文慧 杨霄 孟丽洁 《电子测量技术》 北大核心 2022年第2期110-116,共7页
针对传统的UNet对于大小不一、形状多变的皮肤恶性黑色素瘤图像分割效果不佳的问题,主要通过两点改进实现改进方法对多尺度特征的充分利用,首先在编码器中,采用全局密集网络、局部密集网络以及锯齿状空洞卷积设计,之后在解码器中,采用... 针对传统的UNet对于大小不一、形状多变的皮肤恶性黑色素瘤图像分割效果不佳的问题,主要通过两点改进实现改进方法对多尺度特征的充分利用,首先在编码器中,采用全局密集网络、局部密集网络以及锯齿状空洞卷积设计,之后在解码器中,采用局部残差设计以及分类正则化。与UNet相比,该改进方法分别在Dice系数、准确率(ACC)、敏感度(SE)、交并比(IOU)指标上提高了0.82%、0.03%、1.99%、1.03%。实验结果证明,改进方法能够提高皮肤恶性黑色素瘤图像分割效果,是一种有效的基础网络结构。 展开更多
关键词 皮肤病变分割 多尺度特征 空洞卷积 正则化
在线阅读 下载PDF
基于U-Net多尺度和多维度特征融合的皮肤病变分割方法 被引量：16
5
作者 王雪 《吉林大学学报（理学版）》 CAS 北大核心 2021年第1期123-127,共5页
针对皮肤病变区域尺度不同和形状不规则,传统U-Net网络方法缺乏从不同尺度分析目标的鲁棒性,并在提取图像高层语义特征时丢失部分空间上下文信息而影响后续分割精度等问题,提出一种基于U-Net多尺度和多维度特征融合的医学图像分割方法.... 针对皮肤病变区域尺度不同和形状不规则,传统U-Net网络方法缺乏从不同尺度分析目标的鲁棒性,并在提取图像高层语义特征时丢失部分空间上下文信息而影响后续分割精度等问题,提出一种基于U-Net多尺度和多维度特征融合的医学图像分割方法.首先,用空洞卷积融合不同尺度的空间上下文信息;其次,用通道上下文信息融合模块提取特征图各通道间的权重信息;最后,将特征图中的多尺度和多维度信息进行融合,以保留更多的空间上下文信息.实验结果表明,该方法在皮肤病变数据集上对皮肤病变区域进行分割的分割效果较好. 展开更多
关键词 医学图像分割 U-Net网络 多尺度和多维度特征融合 皮肤病变分割
在线阅读 下载PDF
融合类激活映射和视野注意力的皮肤病变分割 被引量：1
6
作者 张宇 梁凤梅 刘建霞 《计算机工程与应用》 CSCD 北大核心 2023年第21期187-194,共8页
在皮肤镜图像分割问题中,分割精度受多重因素影响,包括图像对比度、病变大小及异物干扰等,为提高分割精度,解决病变边界分割不准等问题,提出一种改进的DeepLab V3+网络。该改进网络一方面生成原图像的类激活映射,融入到网络的编码器中... 在皮肤镜图像分割问题中,分割精度受多重因素影响,包括图像对比度、病变大小及异物干扰等,为提高分割精度,解决病变边界分割不准等问题,提出一种改进的DeepLab V3+网络。该改进网络一方面生成原图像的类激活映射,融入到网络的编码器中作先验信息,为网络提供准确的定位信息并消除部分干扰因素;另一方面,在空洞空间金字塔模块中融合视野注意力机制,实现局部跨视野交互;同时将Dice损失和排序损失相结合作为本网络的损失函数,使网络更关注硬像素的误差,优化分割模型。分别在ISIC-2017和PH2数据集上对所提模型评估,其Jaccard指数(JA)分别达到82.6%和89.2%,准确率分别达到95.2%和96.5%,实验结果表明所提模型分割敏感度更高,综合分割性能较其他先进网络有所提升。 展开更多
关键词 医学图像处理 皮肤病变分割 类激活映射 视野注意力机制 混合损失函数 DeepLab V3+
在线阅读 下载PDF
改进型密集递归残差U-Net的皮肤病变图像分割
7
作者 赵德春 袁杨 +2 位作者 秦璐 韦莉 叶昌荣 《中国生物医学工程学报》 北大核心 2025年第3期291-300,共10页
皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实... 皮肤病变区域的准确分割对计算机辅助诊断具有重要意义。但皮肤病变图像形状不规则、边界模糊并存在噪声干扰,给皮肤病变区域准确分割造成了困难,极大影响了分割的精度。为此,提出了一种基于改进型密集递归残差U-Net模型(IDR2U-Net),实现皮肤病变区域自动分割。首先,将编码层和解码层中的原始卷积块优化为递归残差卷积模块,并且使用密集连接,缓解了梯度消失问题;其次,引入特征自适应模块,通过加强有效特征和抑制无关背景噪声,增强相邻特征之间的融合程度;接着,设计双重注意力机制,其中空间注意力增大全局信息的利用效率,通道注意力用于加强通道特征间的相关性,提升网络对皮肤病变区域分割的准确率,同时采用联合Dice系数与交叉熵的损失函数训练分割网络,解决皮肤镜图像中类别不平衡的问题;最后,采用ISIC 2017皮肤病变数据集中的2000余张图片进行了消融实验和对比实验。实验结果表明,IDR2U-Net模型在Jaccard、Dice系数和准确率上分别达到了78.86%、86.92%和94.61%。改进后的模型不仅提高了精度,还实现了更精细的图像分割,特别是在处理边界模糊图像时,能有效减少欠分割现象。 展开更多
关键词 皮肤病变图像分割 U型网络 密集递归残差卷积模块 特征自适应模块 双重注意力机制
在线阅读 下载PDF
多尺度和边界融合的皮肤病变区域分割网络 被引量：1
8
作者 王国凯 张翔 王顺芳 《计算机科学与探索》 CSCD 北大核心 2024年第7期1826-1837,共12页
皮肤病变区域的准确分割是临床诊断分析的关键一步。针对现有网络在皮肤病变区域存在尺寸大小多变、形状不规则、边界模糊和病变区域被遮挡的情况导致的分割效果不佳问题,在U-Net的基础上改进了原有结构,提出了一种用于皮肤病变区域分... 皮肤病变区域的准确分割是临床诊断分析的关键一步。针对现有网络在皮肤病变区域存在尺寸大小多变、形状不规则、边界模糊和病变区域被遮挡的情况导致的分割效果不佳问题,在U-Net的基础上改进了原有结构,提出了一种用于皮肤病变区域分割的多尺度和边界融合网络(MSBF-Net)。首先,提出了分裂池化(SplitPool)模块,在缩小图像分辨率的同时有效地解决了空间信息丢失的问题。其次,提出了全尺度特征融合(FSFF)模块,有效地解决了以往方法仅将深层特征向浅层特征融合,而忽略了更浅层特征中的细节信息对网络分割决策的贡献问题。同时,重新设计了U-Net原有的跳跃连接,为解码器提供了更丰富的上下文信息。最后,提出了用于增强网络对边界特征学习能力的子路径,并引入边界融合(BF)模块将主路径和子路径的预测结果进行融合,有效地解决了病变区域形状不规则和边界模糊问题。在ISIC2018数据集上,Dice和JI分别达到了90.12%和83.61%,比基线网络分别提高了1.13个百分点和1.62个百分点;在PH2数据集上,Dice和JI分别达到了94.72%和90.18%,比基线网络分别提高了1.49个百分点和2.17个百分点。实验结果表明,MSBFNet显著提升了皮肤病变区域分割的精确度,并在多个指标上超过了现有的先进方法,进一步验证了方法的有效性。 展开更多
关键词 皮肤病变区域分割 跳跃连接 边界特征 特征融合 注意力机制
在线阅读 下载PDF
自适应目标的U型皮肤病变图像分割算法 被引量：1
9
作者 杨国亮 赖振东 温钧林 《计算机应用与软件》 北大核心 2021年第10期173-178,共6页
针对皮肤病变图像分割问题,提出一种自动适应目标形状的U型皮肤病变图像分割算法。对原始病变图片依次进行灰度化、归一化和限制对比度自适应直方图均衡化处理,提高前景与背景的对比度;将预处理后的图片输入到U型网络中进行训练,该网络... 针对皮肤病变图像分割问题,提出一种自动适应目标形状的U型皮肤病变图像分割算法。对原始病变图片依次进行灰度化、归一化和限制对比度自适应直方图均衡化处理,提高前景与背景的对比度;将预处理后的图片输入到U型网络中进行训练,该网络将调制可变形卷积块融合到U-Net的编码器和解码器中,使其自动适应病变目标的比例和形状,让复杂的病变结构能被更好地检测到;通过Softmax分类器得到分割结果。在ISBI2016皮肤病变图像数据集的实验结果显示,分割精度、Dice系数和灵敏度分别为97.87%、94.01%、94.70%。该算法可精确分割皮肤病变区域,总体性能优于现有算法。 展开更多
关键词 皮肤病变分割 限制对比度自适应直方图均衡化 U-Net 调制可变形卷积
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部