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
基于迁移学习和卷积神经网络多网络颈动脉图像分类检测研究
被引量：
1
1
作者
隋小瑜
韩晶
+5 位作者
曹艳坤
米加
宋延云
王剑磊
王春
刘治
《中国生物医学工程学报》
CAS
CSCD
北大核心
2024年第3期267-277,共11页
颈动脉超声检查是用于诊断斑块主要且方便的手段,从超声图像中准确获取关于斑块信息对于进一步临床诊断至关重要。由于超声仪器存在噪声的干扰以及人工技术操作差异,使得显示的切面图像不清晰、不标准,从而容易导致斑块的误检漏检。本...
颈动脉超声检查是用于诊断斑块主要且方便的手段,从超声图像中准确获取关于斑块信息对于进一步临床诊断至关重要。由于超声仪器存在噪声的干扰以及人工技术操作差异,使得显示的切面图像不清晰、不标准,从而容易导致斑块的误检漏检。本研究提出一种基于迁移学习和CNN的深度学习算法多网络组合实现对颈动脉斑块更准确识别的研究。首先选取颈动脉清晰和模糊的共计2591张纵切面超声图像通过ResNet网络进行管腔质量分类控制;进行管腔分类后,选取清晰的软斑和硬斑信息的纵切面图像共计1114张,通过基于迁移学习的RetinaNet网络对其进行颈动脉管腔和斑块的分类检测并使用Faster R-CNN和SSD网络进行对比实验。对于管腔分类网络,测试集分类准确率达到93%;对于管腔和斑块分类检测网络,使用113张测试集图像得到管腔检测的平均精度在交并比(IOU)值为0.5时达到1,在IOU值为0.75时达到0.988,平均召回率达到0.869,均高于Faster R-CNN和SSD网络;得到硬斑和软斑检测的平均精度在IOU=0.5时分别达到0.899和0.855,平均召回率分别达到0.609和0.578。在进行颈动脉斑块分类识别前,进行颈动脉管腔图像的质量分类控制,能够有效避免图像不清晰带来的斑块误检,提高斑块检测的正确性,并对后续进行颈动脉三维重建具有重要意义。
展开更多
关键词
颈动脉超声图像
管腔质量分类控制
管腔
检测
斑块
分类
识别
在线阅读
下载PDF
职称材料
题名
基于迁移学习和卷积神经网络多网络颈动脉图像分类检测研究
被引量：
1
1
作者
隋小瑜
韩晶
曹艳坤
米加
宋延云
王剑磊
王春
刘治
机构
山东大学信息科学与工程学院
中国矿业大学信息与控制工程学院
山东省立第三医院特检科
山东省运动康复研究中心
山东大学光学高等研究中心
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2024年第3期267-277,共11页
基金
山东省自然科学基金(ZR2019ZD05)
山东自然科学基金智能计算联合基金(ZR2020LZH013)
计算机体系结构国家重点实验室开放项目(CARCHA202002)。
文摘
颈动脉超声检查是用于诊断斑块主要且方便的手段,从超声图像中准确获取关于斑块信息对于进一步临床诊断至关重要。由于超声仪器存在噪声的干扰以及人工技术操作差异,使得显示的切面图像不清晰、不标准,从而容易导致斑块的误检漏检。本研究提出一种基于迁移学习和CNN的深度学习算法多网络组合实现对颈动脉斑块更准确识别的研究。首先选取颈动脉清晰和模糊的共计2591张纵切面超声图像通过ResNet网络进行管腔质量分类控制;进行管腔分类后,选取清晰的软斑和硬斑信息的纵切面图像共计1114张,通过基于迁移学习的RetinaNet网络对其进行颈动脉管腔和斑块的分类检测并使用Faster R-CNN和SSD网络进行对比实验。对于管腔分类网络,测试集分类准确率达到93%;对于管腔和斑块分类检测网络,使用113张测试集图像得到管腔检测的平均精度在交并比(IOU)值为0.5时达到1,在IOU值为0.75时达到0.988,平均召回率达到0.869,均高于Faster R-CNN和SSD网络;得到硬斑和软斑检测的平均精度在IOU=0.5时分别达到0.899和0.855,平均召回率分别达到0.609和0.578。在进行颈动脉斑块分类识别前,进行颈动脉管腔图像的质量分类控制,能够有效避免图像不清晰带来的斑块误检,提高斑块检测的正确性,并对后续进行颈动脉三维重建具有重要意义。
关键词
颈动脉超声图像
管腔质量分类控制
管腔
检测
斑块
分类
识别
Keywords
carotid ultrasound images
lumen quality classification control
lumen detection
plaque classification and recognition
分类号
R318 [医药卫生—生物医学工程]
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
基于迁移学习和卷积神经网络多网络颈动脉图像分类检测研究
隋小瑜
韩晶
曹艳坤
米加
宋延云
王剑磊
王春
刘治
《中国生物医学工程学报》
CAS
CSCD
北大核心
2024
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
