检索结果-维普期刊中文期刊服务平台

一种轻量级脑胶质瘤分割模型: 1; 作者呼伟杨鸿杰 +3 位作者徐巧枝智敏萨和雅于磊《郑州大学学报(理学版)》北大核心 2025年第5期54-61,共8页; 近年,基于Transformer的脑胶质瘤自动分割模型在性能上有了很大提升,但其存在参数量多、算力要求高、样本需求大、训练困难等问题,影响了模型的实际部署,为此提出一种轻量级的MRI脑胶质瘤分割模型MNATSPNet。首先,设计了一个轻量级组件M... 展开更多; 关键词脑胶质瘤分割注意力机制 TRANSFORMER 轻量化结构化剪枝; 在线阅读下载PDF 职称材料

基于多模态磁共振图像特征选择的脑胶质瘤分割: 2; 作者成娟张楚雅 +3 位作者刘羽李畅朱智勤陈勋《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第5期513-526,共14页; 脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通... 展开更多; 关键词脑胶质瘤分割多模态磁共振图像特征选择卷积神经网络 V-Net; 在线阅读下载PDF 职称材料

基于卷积和可变形注意力的脑胶质瘤图像分割被引量：2: 3; 作者高宇飞马自行 +2 位作者徐静赵国桦石磊《郑州大学学报（工学版）》 CAS 北大核心 2024年第2期27-32,共6页; 对于脑胶质瘤图像分割这类密集预测的医学影像分割任务,局部和全局依赖关系都是不可或缺的,针对卷积神经网络缺乏建立全局依赖关系的能力,且自注意力机制在局部细节上捕捉能力不足等问题,提出了基于卷积和可变形注意力的脑胶质瘤图像分... 展开更多; 关键词深度学习脑胶质瘤图像分割卷积神经网络 TRANSFORMER 自注意力机制; 在线阅读下载PDF 职称材料

多模态MR图像和多特征融合的胶质母细胞瘤自动分割被引量：8: 4; 作者赖小波许茂盛徐小媚《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第3期421-430,共10页; 胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准... 展开更多; 关键词脑胶质母细胞瘤自动分割多模态磁共振图像多特征融合随机森林区域生长; 在线阅读下载PDF 职称材料

题名一种轻量级脑胶质瘤分割模型: 1; 作者呼伟杨鸿杰徐巧枝智敏萨和雅于磊; 机构内蒙古师范大学计算机科学技术学院内蒙古自治区人民医院; 出处《郑州大学学报(理学版)》北大核心 2025年第5期54-61,共8页; 基金国家自然科学基金项目(81660117) 内蒙古自治区自然科学基金项目(2021MS06031) +2 种基金无穷维哈密顿系统及其算法应用教育部重点实验室开放课题项目(2023KFYB06)。; 文摘近年,基于Transformer的脑胶质瘤自动分割模型在性能上有了很大提升,但其存在参数量多、算力要求高、样本需求大、训练困难等问题,影响了模型的实际部署,为此提出一种轻量级的MRI脑胶质瘤分割模型MNATSPNet。首先,设计了一个轻量级组件MobileNAT,通过邻接注意力机制降低Transformer多头自注意力的复杂度。其次,引入L1结构化剪枝操作去除MobileNAT中多头邻接注意力和前馈神经网络层的冗余参数,实验结果证明了MobileNAT与结构化剪枝操作既可有效降低模型的参数量,又保持了稳定的分割性能。最后,通过与其他经典模型进行对比,MNATSPNet取得最佳效果。; 关键词脑胶质瘤分割注意力机制 TRANSFORMER 轻量化结构化剪枝; Keywords brain glioma segmentation attention mechanism Transformer lightweight structured pruning; 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

题名基于多模态磁共振图像特征选择的脑胶质瘤分割: 2; 作者成娟张楚雅刘羽李畅朱智勤陈勋; 机构合肥工业大学生物医学工程系重庆邮电大学自动化学院中国科学技术大学电子工程与信息科学系; 出处《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第5期513-526,共14页; 基金国家自然科学基金(62176081,62171176) 中央高校基本科研业务费专项资金资助(JZ2021HGPA0061); 文摘脑胶质瘤分割通常需要将肿瘤区域细分为多个不同性质的子区域,往往需要使用多种不同模态的磁共振(MR)图像。近年来,基于深度学习的脑胶质瘤分割研究已成为主流。然而,大多数基于深度学习的方法只是将不同模态MR图像(或底层特征)进行通道维度堆叠后输入到分割网络中,并且在特征提取阶段忽略不同性质子区域分割时所需模态特征的差异性,导致分割性能不够精良。本研究提出一种基于多模态MR图像特征选择的两阶段分割框架进行脑胶质瘤分割。一方面,设计多模态特征选择模块并嵌入到分割网络框架中,对当前分割任务所需多模态MR图像特征进行自动提取和有效选择;另一方面,将多个不同性质的病变组织子区域分为两阶段分割任务,利用第一阶段分割任务结果提供第二阶段分割目标的定位信息。本方法和对比方法分别在BraTS2018(训练集285个患者,验证集66个患者)、BraTS2019(训练集335个患者,验证集125个患者)和BraTS2020(训练集369个患者,验证集125个患者)公开数据集上进行了实验。在BraTS2018数据集上,本方法在完整肿瘤、肿瘤核心和增强肿瘤区域的Dice相似系数分别为0.898、0.854和0.818,Hausdorff距离分别为4.072、6.179和3.763;在BraTS2019数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.892、0.839和0.800,Hausdorff距离分别为6.168、7.077和3.807;在BraTS2020数据集上,本方法在上述3个肿瘤区域的Dice相似系数分别为0.896、0.837和0.803,Hausdorff距离分别为6.223、7.033和4.411。对比实验结果表明,所提方法在增强肿瘤区域和肿瘤核心区域的分割性能具有明显优势,特别是增强肿瘤区域分割性能在BraTS2020数据集上最佳。基于多模态特征选择模块的两阶段分割框架,针对每阶段分割目标实现了不同模态MR图像特征的自动和充分学习,取得了理想的分割结果,为计算机辅助肿瘤诊断提供了可能的解决方案。; 关键词脑胶质瘤分割多模态磁共振图像特征选择卷积神经网络 V-Net; Keywords glioma segmentation multi-modal magnetic resonance images feature selection convolutional neural networks V-Net; 分类号 R445.2 [医药卫生—影像医学与核医学] R739.41 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名基于卷积和可变形注意力的脑胶质瘤图像分割被引量：2: 3; 作者高宇飞马自行徐静赵国桦石磊; 机构郑州大学网络空间安全学院嵩山实验室郑州大学计算机与人工智能学院郑州大学第一附属医院; 出处《郑州大学学报（工学版）》 CAS 北大核心 2024年第2期27-32,共6页; 基金国家自然科学基金资助项目(62006210) 河南省重大公益专项(201300210500) 郑州大学高层次人才科研启动基金(32340306)。; 文摘对于脑胶质瘤图像分割这类密集预测的医学影像分割任务,局部和全局依赖关系都是不可或缺的,针对卷积神经网络缺乏建立全局依赖关系的能力,且自注意力机制在局部细节上捕捉能力不足等问题,提出了基于卷积和可变形注意力的脑胶质瘤图像分割方法。设计了卷积和可变形注意力Transformer的串行组合模块,其中卷积用于提取局部特征,紧随其后的可变形注意力Transformer用于捕捉全局依赖关系,建立不同分辨率下局部和全局依赖关系。作为一种CNN-Transformer混合架构,所提方法不需要任何预训练即可实现精准的脑胶质瘤图像分割。实验结果表明:所提方法在BraTS2020脑胶质图像分割数据集上平均Dice系数和平均95%豪斯多夫距离分别为83.56%和11.30 mm,达到了与其他脑胶质瘤图像分割方法相当的分割精度,同时降低了至少50%的计算开销,有效提升了脑胶质瘤图像分割的效率。; 关键词深度学习脑胶质瘤图像分割卷积神经网络 TRANSFORMER 自注意力机制; Keywords deep learning brain glioma image segmentation CNN Transformer self-attention mechanism; 分类号 O244 [理学—计算数学] 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

题名多模态MR图像和多特征融合的胶质母细胞瘤自动分割被引量：8: 4; 作者赖小波许茂盛徐小媚; 机构浙江中医药大学医学技术学院浙江中医药大学第一临床医学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第3期421-430,共10页; 基金国家自然科学基金(61602419) 浙江省自然科学基金(LY16F10008 LQ16F020003); 文摘胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准和偏置场校正后,融合GBM多模态MR图像提取各体素的多个底层特征,构建随机森林(random forest, RF)模型,依据特征信息粗分割;其次将多种子点三维区域生长分割GBM多模态MR图像的结果替换相应置信度低的粗分割结果,生成训练数据重新训练RF模型,精分割GBM多模态MR图像;最后考虑GBM解剖结构先验知识、阈值分割和中值滤波精分割结果后得到最终结果.以平均Dice相似性系数、Hausdorff距离和敏感度为评价指标,该算法分割GBM-nih-zcmu数据库中整个肿瘤的平均Dice相似性系数、Hausdorff距离和敏感度分别为0.879, 6.232和0.863,能有效地提高GBM多模态MR图像自动分割的精度,满足临床应用对准确率的要求.; 关键词脑胶质母细胞瘤自动分割多模态磁共振图像多特征融合随机森林区域生长; Keywords glioblastoma multiforme automatic segmentation multimodal magnetic resonance image multiple feature fusion random forest region growing; 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	作者	出处	发文年	被引量	操作
1	一种轻量级脑胶质瘤分割模型	呼伟杨鸿杰徐巧枝智敏萨和雅于磊	《郑州大学学报(理学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于多模态磁共振图像特征选择的脑胶质瘤分割	成娟张楚雅刘羽李畅朱智勤陈勋	《中国生物医学工程学报》 CAS CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
3	基于卷积和可变形注意力的脑胶质瘤图像分割	高宇飞马自行徐静赵国桦石磊	《郑州大学学报（工学版）》 CAS 北大核心	2024	2	在线阅读下载PDF 职称材料
4	多模态MR图像和多特征融合的胶质母细胞瘤自动分割	赖小波许茂盛徐小媚	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2019	8	在线阅读下载PDF 职称材料