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138篇文章
< 1 2 … 7 >
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：
基于多尺度聚合与高分辨率增强的CTA脑血管分割模型
1
作者 张天旭 黄慧 +5 位作者 黄丙仓 马燕 徐傲 李晓艳 周孝雯 刘之之 《计算机工程》 北大核心 2025年第4期37-46,共10页
在颅脑CT血管造影(CTA)图像中,脑血管形态各异、分布分散且不同患者之间差异较大。这导致利用U-Net进行血管分割时对血管局部形态的适应性不足,容易忽略分散目标之间的相关性,且在下采样过程中会丢失小尺度血管信息。针对以上问题,在U-... 在颅脑CT血管造影(CTA)图像中,脑血管形态各异、分布分散且不同患者之间差异较大。这导致利用U-Net进行血管分割时对血管局部形态的适应性不足,容易忽略分散目标之间的相关性,且在下采样过程中会丢失小尺度血管信息。针对以上问题,在U-Net的基础上进行改进,提出一种基于多尺度聚合和高分辨率增强的血管分割网络BVU-Net。在编码器的瓶颈层设计一种结合空洞变形金字塔(DDP)路径与全局注意力(GA)路径的多尺度特征聚合(MSFA)模块,旨在同时捕获血管的不同尺度的局部形态特征和全局空间相关性特征。在跳跃连接路径中设计高分辨率特征增强(HRFE)模块,使模型能充分利用语义信息更丰富的高级特征,提高浅层高分辨率特征的表征能力,补充小血管信息,进一步提升血管分割精度。BVU-Net模型在公开数据集3D-IRCADb和私有数据集GLCTA上进行实验验证,Dice指标分别达到0.787 2和0.924 8,平均交并比(MIoU)指标分别达到0.832 2和0.932 1。上述结果表明,BVU-Net模型的表现优于其他基于U-Net的改进分割模型,具有一定泛化能力,为后续的临床治疗和预后分析提供了更有力的参考。 展开更多
关键词 脑血管分割 急性缺血性卒中 多尺度特征聚合 高分辨率增强 可变形卷积
在线阅读 下载PDF
基于B-COSFIRE和相位一致性图像融合的视网膜血管分割
2
作者 郑巧娥 郑楚君 黄敏雪 《激光杂志》 北大核心 2025年第1期75-83,共9页
视网膜血管的形态特征在眼底相关疾病的诊断和筛查中有重要的意义,然而,由于视网膜血管尺度形状多样且对比度差异大,细小血管的检测是视网膜血管分割的难点。针对这一问题,提出了一种基于BCOSFIRE(Bar Selective Combination of Shifted... 视网膜血管的形态特征在眼底相关疾病的诊断和筛查中有重要的意义,然而,由于视网膜血管尺度形状多样且对比度差异大,细小血管的检测是视网膜血管分割的难点。针对这一问题,提出了一种基于BCOSFIRE(Bar Selective Combination of Shifted Filter Responses)和相位一致性图像融合的视网膜血管分割方法,对预处理后的绿通道图像进行对比度增强,接着提取其B-COSFIRE滤波器响应图和相位一致性响应图,采用小波变换对这两个响应图进行融合得到特征响应图,最后采用特征空间模糊C均值聚类算法实现视网膜血管分割。在DRIVE数据集上进行本方法的视网膜血管分割测试实验,其分割性能中的平均准确率,灵敏度,特异性分别为94.50%,69.63%,98.16%,本方法的分割性能良好,对细小血管具有较高的检测灵敏度,且所分割的血管有较好的完整性。 展开更多
关键词 视网膜血管分割 B-COSFIRE 相位一致性 图像融合
在线阅读 下载PDF
动态图谱融合Transformer视网膜血管分割算法
3
作者 梁礼明 卢宝贺 +2 位作者 龙鹏威 金家新 吴健 《西安电子科技大学学报》 北大核心 2025年第2期85-100,共16页
针对现有算法编码端血管特征损失过多、病灶区域血管分割能力较差和全局上下文信息提取不足等问题,提出一种动态特征加权与图谱融合Transformer视网膜血管分割算法。首先设计自适应加权编码端,缓解连续卷积及下采样造成的血管损失问题,... 针对现有算法编码端血管特征损失过多、病灶区域血管分割能力较差和全局上下文信息提取不足等问题,提出一种动态特征加权与图谱融合Transformer视网膜血管分割算法。首先设计自适应加权编码端,缓解连续卷积及下采样造成的血管损失问题,增强血管纹理特征;其次构建图谱融合Transformer模块,旨在同时提取血管像素级特征和节点之间的关系,有效捕获图像数据中的全局和局部信息;最后构建动态特征增强模块于解码端和底部层,有效提升病灶区域血管分割能力。在DRIVE、CHASE-DB1和STARE数据集上的实验结果表明,所提出算法在仅有0.91M的模型参数下展现出优越分割性能及泛化能力,准确率分别为97.01%、97.37%和97.42%;灵敏度分别为82.51%、84.47%和81.21%;AUC-ROC分别为98.74%、98.83%和98.94%,对临床眼科疾病的诊断具有一定应用价值。 展开更多
关键词 视网膜血管分割 图卷积 TRANSFORMER 自适应加权下采样 动态特征增强
在线阅读 下载PDF
基于深度学习的视网膜血管分割研究进展 被引量：1
4
作者 张文豪 瞿绍军 颜美丽 《计算机应用研究》 北大核心 2025年第5期1299-1311,共13页
医学图像分割作为语义分割中的重要一环关系人类健康,一直以来备受关注和重视。其中,视网膜血管分割任务是对眼底视网膜图像中的血管像素进行分割提取,能够帮助医生快速诊断眼部疾病。但是,视网膜血管形态复杂、结构细小,分割难度大。... 医学图像分割作为语义分割中的重要一环关系人类健康,一直以来备受关注和重视。其中,视网膜血管分割任务是对眼底视网膜图像中的血管像素进行分割提取,能够帮助医生快速诊断眼部疾病。但是,视网膜血管形态复杂、结构细小,分割难度大。随着深度学习领域研究不断深入,技术的不断进步使得图像分割精度大幅提升。为了更好地了解视网膜血管分割方法的发展,全面总结了近年来基于深度学习的视网膜血管分割研究成果。首先介绍了视网膜血管分割常用数据集,讨论了关键评价指标和损失函数;然后将成果按照基于网络结构设计的方法(例如U型网络变体)、基于模块设计的方法(例如注意力模块)、基于生成对抗模型的方法和基于Transformer的方法进行分类总结,分析各方法的优缺点并比较模型性能优劣;最后,针对目前视网膜血管分割领域存在的几大问题和挑战,讨论了对应的解决方案和思路,并对未来发展方向进行展望,以期进一步推动视网膜血管分割技术的进步,具有较好参考价值。 展开更多
关键词 深度学习 视网膜血管分割 卷积神经网络 生成对抗网络 TRANSFORMER
在线阅读 下载PDF
空间频域融合的视网膜血管分割方法
5
作者 宋伟伟 许茗 +2 位作者 于晓升 李海星 王宏宇 《仪器仪表学报》 北大核心 2025年第5期195-204,共10页
视网膜血管的精确分割对于诊断多种眼部疾病至关重要,它不仅有助于识别糖尿病、动脉硬化和心血管疾病等医学问题,还能显著提升医生对患者疾病的诊断和治疗能力。现有的卷积神经网络方法虽然在空间域内通过卷积操作捕捉局部特征能力表现... 视网膜血管的精确分割对于诊断多种眼部疾病至关重要,它不仅有助于识别糖尿病、动脉硬化和心血管疾病等医学问题,还能显著提升医生对患者疾病的诊断和治疗能力。现有的卷积神经网络方法虽然在空间域内通过卷积操作捕捉局部特征能力表现出色,但在获取全局空间特征信息方面存在局限性。而频域方法虽能捕获图像的整体频谱分布和全局结构特征,却因频域变换过程中的空间信息模糊化处理,难以精确定位局部特征并保留高频细节信息。提出了一种空间频域融合的视网膜血管分割方法,该方法结合了空间域和频域方法在获取局部和全局特征信息方面的优势。首先,设计双支路的空间频域特征提取与融合模块,在编码阶段融合频域和空间域的特征信息,旨在减少下采样过程中丢失的细节特征。此外,引入多尺度高斯滤波器,以提高模型定位血管边界和保持小血管连贯性的能力。最后,通过空间频域自适应融合模块动态计算特征图各区域的融合权重,提升小血管分割的准确性。在DRIVE和CHASE_DB1这两个主流开源数据集上进行了性能测试,其准确率分别为96.9%和97.81%。实验结果表明该研究的方法在血管分割的准确性、小血管的连贯性和应对病变的鲁棒性方面均展现出了竞争优势。 展开更多
关键词 视网膜血管分割 空间频域自适应融合 多尺度高通滤波器
在线阅读 下载PDF
基于自注意力机制和侧输出损失函数的视网膜血管分割网络
6
作者 于振华 闫本聪 王迎美 《科学技术与工程》 北大核心 2025年第21期8993-9001,共9页
图像分割是医学图像分析中的一个基本问题,基于深度学习的典型UNet架构(UNet architecture)分割网络模型及其变式被广泛应用于视网膜血管分割之中。但是UNet网络通过局部卷积模块提取图像的特征信息,难以关联图像的全局信息,无法有效捕... 图像分割是医学图像分析中的一个基本问题,基于深度学习的典型UNet架构(UNet architecture)分割网络模型及其变式被广泛应用于视网膜血管分割之中。但是UNet网络通过局部卷积模块提取图像的特征信息,难以关联图像的全局信息,无法有效捕捉像素之间的长距离依赖关系。考虑到UNet网络模型存在的问题和视网膜血管图像的特点,在UNet跳跃连接中加入注意力模块,可以捕捉血管之间的长距离依赖关系。此外,为增强网络的分割能力,使用群归一化(group normalization,GN)代替UNet网络模型原始的批归一化(batch normalization,BN),对不同的通道选择对应的分组。为更新参数和优化网络,利用侧输出层和最后的输出层设计了交叉熵损失函数。在DRIVE数据集和CHASEDB1数据集上进行了实验,实验结果表明所提出的模型有更好的图像分割效果。 展开更多
关键词 UNet Swin-UNet 群归一化 侧输出层 视网膜血管分割
在线阅读 下载PDF
CADCNet:一种改进的视网膜血管分割算法
7
作者 岳昱超 王迎美 秦嘉川 《科学技术与工程》 北大核心 2025年第3期962-968,共7页
目前传统的视网膜血管分割方法存在的视盘混淆引起的误分割、分割结果缺乏连续性,以及细节区域分割不精准等问题。为解决这一难题,提出了一种基于UNet的视网膜血管分割算法。该算法利用两个水平和垂直一维卷积和二维方形卷积的融合替代... 目前传统的视网膜血管分割方法存在的视盘混淆引起的误分割、分割结果缺乏连续性,以及细节区域分割不精准等问题。为解决这一难题,提出了一种基于UNet的视网膜血管分割算法。该算法利用两个水平和垂直一维卷积和二维方形卷积的融合替代传统方形卷积,提高了眼球区域的表征能力;采用了多尺度分支增加特征空间的多样性,提升了网络的特征学习和表达能力。此外,为进一步改善分割效果,还将多层膨胀卷积引入自编码器的深层结构,替代了传统的简单池化操作,增大卷积核的大小,扩大了感受野范围,实现了多尺度浅层特征和深层特征信息的融合。本文算法在公开DRIVE和CHASE_DB1两个数据集上进行了评估,实验结果表明,本文算法的精确率和F_(1)上分别达到了0.9568、0.9598和0.8326、0.8304。与传统的UNet和近期部分UNet改进网络视网膜血管分割方法相比,本文算法在准确率、敏感度、特异性、F_(1)指标上表现出一定的优势,这一验证结果充分证明了本文所提出的模型在分割任务上具备较强的精确分割能力。 展开更多
关键词 视网膜血管分割 连续膨胀卷积 深度学习 不对称卷积 UNet模型
在线阅读 下载PDF
跨层Transformer与多尺度自适应融合的视网膜血管分割算法
8
作者 梁礼明 阳渊 +2 位作者 何安军 董信 吴健 《计算机辅助设计与图形学学报》 北大核心 2025年第3期495-505,共11页
针对现有视网膜血管分割存在视盘误分割、主血管纹理模糊和微细分支血管断裂等问题,提出融合跨层Transformer(CLTransformer)与跨尺度注意的视网膜血管分割算法.首先设计轻量化残差编解码模块用于编码和解码器部分,实现血管纹理特征的... 针对现有视网膜血管分割存在视盘误分割、主血管纹理模糊和微细分支血管断裂等问题,提出融合跨层Transformer(CLTransformer)与跨尺度注意的视网膜血管分割算法.首先设计轻量化残差编解码模块用于编码和解码器部分,实现血管纹理特征的粗粒度提取;其次在编解码连接处采用多尺度特征选择模块,用于跨级融合粗粒度特征;再次在网络底部加入CLTransformer模块,对深层语义信息交叉融合,以细化视网膜血管特征轮廓;最后使用融合损失函数监督算法的训练和测试.在DRIVE,STARE和CHASE_DB1数据集上进行实验,其准确度分别为97.10%,97.66%和97.62%,特异性分别为98.64%,99.03%和98.72%,F_(1)分数分别为83.05%,84.07%和81.18%. 展开更多
关键词 视网膜血管分割 跨层Transformer 多尺度自适应融合 轻量化残差编解码
在线阅读 下载PDF
密集级联卷积与自注意力特征聚合的视网膜血管分割算法 被引量：2
9
作者 夏平 何志豪 +3 位作者 雷帮军 张海镔 彭程 王雨蝶 《电子测量与仪器学报》 CSCD 北大核心 2024年第9期36-44,共9页
针对视网膜图像中细小血管分割困难以及血管分割过程中出现断裂的问题,构建了一种密集级联卷积与自注意力特征聚合的网络用于视网膜血管图像的分割。该网络采用多尺度密集卷积结合自注意力机制;为更好的提取视网膜细小血管复杂的特征信... 针对视网膜图像中细小血管分割困难以及血管分割过程中出现断裂的问题,构建了一种密集级联卷积与自注意力特征聚合的网络用于视网膜血管图像的分割。该网络采用多尺度密集卷积结合自注意力机制;为更好的提取视网膜细小血管复杂的特征信息,构建密集聚合模块作为U型网络的骨干网络;在网络底层嵌入自注意力摸块和多尺度聚合模块,以提升感受野和获取高维语义特征信息;在模型的跳跃连接部分采用特征聚合模块,提升模型的分割精度。实验结果表明,在DRIVE公开数据集上,该网络的F1-sore指标达到83.19%,准确率ACC指标达到97.11%,AUC值达到了98.94%;在CHASE-DB1和STARE数据集上,相比于Unet、DUNet、SA-Unet和FR-Unet等网络,该网络的AUC指标均达到了目前最好效果。采用该网络进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割及其泛化能力达到了优异的效果. 展开更多
关键词 视网膜血管分割 密集聚合模块 U型网络 自注意力
在线阅读 下载PDF
全尺度密集卷积U型网络的视网膜血管分割算法 被引量：1
10
作者 夏平 何志豪 +2 位作者 雷帮军 彭程 王雨蝶 《计算机工程与设计》 北大核心 2024年第3期866-873,共8页
针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks... 针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks, CCF-DB)作为U型网络的编解码器用以提取视网膜血管的特征信息;在网络最底端嵌入混合注意力级联卷积密集块(mixed attention cascaded convolutional dense block, MACC-DB),进一步提升感受野,获取更高维的语义特征信息;在模型的解码部分采用全尺度的跳跃连接,捕获不同尺度下的血管特征信息,提升模型的分割精度。实验结果表明,在DRIVE数据集上,相比于U-Net、U-Net3+、SA-Unet、FR-Unet等算法,此算法的AUC值达到了98.26%,准确率为95.82%;在CHASE-DB1数据集上,此算法的AUC值达98.84%,准确率达96.66%。采用此算法进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割达到了优良的效果。 展开更多
关键词 医学图像分割 深度学习 视网膜血管分割 全尺度密集卷积 编解码结构 混合注意力 级联卷积
在线阅读 下载PDF
融合动态损失与渐进多尺度注意力的视网膜血管分割网络
11
作者 李宗民 初天志 +1 位作者 杨超智 刘玉杰 《计算机工程与应用》 CSCD 北大核心 2024年第23期209-218,共10页
视网膜血管分割任务仍然存在许多挑战,例如眼底图像中生物学背景复杂、毛细血管细小且模糊以及特征难以得到充分利用。针对这些问题,提出了一种融合动态损失与渐进多尺度注意力的网络。其中渐进式特征提取策略可以在网络中逐步捕获对分... 视网膜血管分割任务仍然存在许多挑战,例如眼底图像中生物学背景复杂、毛细血管细小且模糊以及特征难以得到充分利用。针对这些问题,提出了一种融合动态损失与渐进多尺度注意力的网络。其中渐进式特征提取策略可以在网络中逐步捕获对分割有益的特征,并且保留更多细节。设计的多尺度通道注意力模块能够获得复杂的通道依赖关系并且抑制跳跃连接过程中的背景噪音,达到突出重要特征的目的。最后提出动态损失用来自适应调整深监督中各损失函数的权重,优化训练策略。所提出的方法在两个公开的数据集DRIVE和CHASE_DB1中进行了充分的验证,其中灵敏度分别达到0.838 9和0.846 8,准确率分别达到0.971 5和0.974 5,展现出了较好的分割性能。 展开更多
关键词 视网膜血管分割 渐进式特征提取 多尺度通道注意力 动态损失
在线阅读 下载PDF
基于超复数和U-Net的四元数值神经网络在眼底血管分割中的应用
12
作者 李冰 张洁 +3 位作者 上官燕玉 姜晴 牛耘丽 毕燕龙 《中华实验眼科杂志》 CAS CSCD 北大核心 2024年第12期1090-1099,共10页
目的建立基于U-Net的四元数值神经网络(QU-Net)的眼底血管分割模型,并验证其对眼底影像视网膜血管提取和分割的精确度和效率。方法采用超复数概念,使用彩色图片的3个通道,用四元矩阵表示彩色图片的所有信息数据;该四元矩阵用作四元卷积... 目的建立基于U-Net的四元数值神经网络(QU-Net)的眼底血管分割模型,并验证其对眼底影像视网膜血管提取和分割的精确度和效率。方法采用超复数概念,使用彩色图片的3个通道,用四元矩阵表示彩色图片的所有信息数据;该四元矩阵用作四元卷积和四元数完全连接层的输入,基于U-Net架构进行计算,形成QU-Net模型。将QU-Net模型先在DRIVE、STARE和CHASE_DB1数据集上进行初始测试,与传统实数空间的U-Net、M-Net和SU-Net模型从准确率、敏感度、特异度、精确度、F1值和马修斯相关系数(MCC)等方面进行性能比较。进一步对该模型进行优化,并将优化后的QU-Net模型与国际上已知的先进模型进行横向比较,从而综合评估该模型在眼底影像血管分割提取方面的效率和准确性。结果QU-Net模型在DRIVE数据集上血管分割的准确率为0.9566,敏感度为0.7008,特异度为0.9879,精确度为0.5954;在STARE数据集上,其准确率为0.9755,敏感度为0.8907,特异度为0.9842,精确度为0.6625;在CHASE_DB1数据集上,其准确率为0.9794,敏感度为0.7470,特异度为0.9906,精确度为0.5969。QU-Net模型的特异度优于U-Net、M-Net、SU-Net模型,其准确率、敏感度和精确度不弱于3个经典模型。对QU-Net模型进行优化后,在维持其原本准确率和特异度的基础上,优化模型在3个数据集上的敏感度、精确度和F1值均得到有效提高。将其与国际上其他已发表模型测试的各指标结果在3个数据集分别进行横向比较,发现优化的QU-Net模型的准确率、特异度、敏感度、精确度、F1值均表现良好,综合分析结果显示该模型的血管分割能力不弱于国际先进模型,在所有对比的模型中,优化的QU-Net模型的F1值和MCC表现最优。结论本研究提出的QU-Net模型把数据维度空间从传统的实数空间提升至复数空间,大大减少了数据信息的损失;优化的QU-Net模型具有良好的眼底影像血管分割提取效率和准确性,并在检测细血管方面具有一定优越性。 展开更多
关键词 人工智能 眼底 视网膜血管 超复数 血管分割 四元数值神经网络 U-Net网络结构 Adam优化器
在线阅读 下载PDF
基于N-Unet视网膜血管分割 被引量：2
13
作者 田红 陈姚节 《计算机应用与软件》 北大核心 2024年第4期219-223,共5页
针对在现阶段视网膜血管分割过程中存在的分支断裂问题,提出一种非局部Unet的模型Non-local Unet(N-Unet)。N-Unet模型保留了编码器-解码器的对称结构,在编码器阶段引入非局部块,使模型在提取特征的过程中关注非局部信息,能更好地捕捉... 针对在现阶段视网膜血管分割过程中存在的分支断裂问题,提出一种非局部Unet的模型Non-local Unet(N-Unet)。N-Unet模型保留了编码器-解码器的对称结构,在编码器阶段引入非局部块,使模型在提取特征的过程中关注非局部信息,能更好地捕捉图像中非相邻像素之间的关系。该模型在公开的DRIVE数据集上进行评估,得到的准确性、敏感性、特异性、曲线下面积分别为0.9523、0.8021、0.9743、0.8949。实验结果表明,该方法在解决血管分割过程中的分支断裂问题表现良好,具有研究意义。 展开更多
关键词 Unet网络 NON-LOCAL 血管分割 医学图像
在线阅读 下载PDF
改进的大核卷积U-Net视网膜血管分割方法 被引量：2
14
作者 顾茂华 吴云 《计算机工程与设计》 北大核心 2024年第5期1541-1548,共8页
眼底视网膜血管结构形态复杂、对比度低,且训练样本有限,易产生过拟合现象。针对以上问题,提出一种改进的大核卷积U-Net视网膜血管分割方法(large kernel residual U-Net, LKR-UNet)。减少U-Net下采样次数和每一层的通道数缓解模型过拟... 眼底视网膜血管结构形态复杂、对比度低,且训练样本有限,易产生过拟合现象。针对以上问题,提出一种改进的大核卷积U-Net视网膜血管分割方法(large kernel residual U-Net, LKR-UNet)。减少U-Net下采样次数和每一层的通道数缓解模型过拟合和退化问题;使用大核残差卷积模块(large kernel residual convolution block, LKR-Block)充分提取视网膜血管的特征;通过级联空间通道注意力(cascaded spatial channel attention, CSCA)模块计算空间和通道注意力,提高分割的准确性。提出方法在DRIVE和CHASE_DB1数据集上进行消融实验,在两个数据集上的敏感度分别为84.04%和83.77%,AUC分别为97.82%和98.75%,F1-score分别为82.92%和84.67%。该方法较现有先进算法有一定提升,能有效进行视网膜血管分割。 展开更多
关键词 深度学习 医学图像处理 视网膜血管分割 大核卷积 注意力机制 过拟合 U型网络
在线阅读 下载PDF
基于各向异性注意力的双分支血管分割模型 被引量：1
15
作者 徐晓峰 黄韫栀 徐军 《计算机工程》 CSCD 北大核心 2024年第1期348-356,共9页
血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性... 血管分割对于血管疾病的诊断和治疗具有重要意义,但由于血管边界模糊、病变血管的形状多变且不同样本之间的差异性较大,因此要求分割模型能够准确地挖掘血管与背景类间的差异性以及血管内部的连通性。提出一种基于中心线约束与各向异性注意力的新型三维血管分割网络CAU-Net。针对血管分割的难点,对基础网络结构ResU-Net进行改进,构建各向异性注意力模块,该模块根据管腔结构特有的空间各向异性,从3个方向提取血管空间各向异性特征,并对特征通道间的相关性进行建模,学习血管的三维空间信息。采用主-辅双分支模型,b-Net对血管进行语义分割,a-Net学习血管中心线的连续性特征,约束b-Net的血管分割结果,保证血管分割结果的完整性。在公开数据集3D-IRCADb-01上的实验结果表明,对于门静脉及肝静脉的分割,CAU-Net分别取得(74.80±8.05)%和(76.14±6.89)%的Dice系数、(54.80±8.09)%和(50.40±5.22)%的NSD系数、(72.43±8.26)%和(70.84±6.05)%的clDice系数、(46.47±12.89)%和(39.19±7.97)%的分支检测率以及(67.08±15.59)%和(61.47±9.32)%的树长检测率。在公开脑血管数据集IXI上进行组件消融实验,模型在验证集上的平均Dice、NSD、clDice、BD和TD分别为(94.11±0.39)%、(96.53±0.37)%、(95.83±0.59)%、(98.64±1.63)%和(95.44±1.22)%,相比于Baseline分别提升了0.92%、0.82%、0.92%、1.11%和1.60%。CAU-Net血管分割模型能够显著提升血管分割的精度和完整度。 展开更多
关键词 血管分割 中心线约束 各向异性 注意力机制 双分支模型
在线阅读 下载PDF
一种基于结构感知的肝血管分割模型
16
作者 贾熹滨 孙馨蕊 +3 位作者 杨正汉 杨大为 王珞 HONG Min 《北京工业大学学报》 CAS CSCD 北大核心 2024年第1期61-69,共9页
为了在缺乏大量肝血管标注信息的情况下增强肝血管结构分割,提出了局部-长距离-相邻信息融合模块,并将其嵌入U-Net的编码阶段,得到一种基于结构感知的肝血管分割网络。该模块有3个分支:提取特征图局部信息的残差卷积模块,利用自注意力... 为了在缺乏大量肝血管标注信息的情况下增强肝血管结构分割,提出了局部-长距离-相邻信息融合模块,并将其嵌入U-Net的编码阶段,得到一种基于结构感知的肝血管分割网络。该模块有3个分支:提取特征图局部信息的残差卷积模块,利用自注意力机制提取特征图的全局信息的长距离提取模块,以及利用相邻切片补充上下文信息的相邻信息提取模块。通过将以上3个分支模块的输出特征图进行融合,可以有效提升网络的血管结构感知能力,缓解2D网络无法表征血管立体走向与3D网络训练数据不足的问题。分别在MICCAI十项全能数据集中的肝血管与肿瘤数据集和三甲医院收集标注的自采肝血管数据集上进行了广泛的对比实验。结果表明,与多种主流的分割算法相比,该算法取得了最优的血管分割性能。所提出的方法在MICCAI数据集上Dice值达到64.04%,在自采肝血管数据集上Dice值达到了72.07%。 展开更多
关键词 肝血管分割 语义分割 U型网络 深度学习 切片上下文融合 结构感知
在线阅读 下载PDF
深度学习的视网膜血管分割研究综述 被引量：2
17
作者 汪有崧 裴峻鹏 +1 位作者 李增辉 王伟 《计算机科学与探索》 CSCD 北大核心 2024年第8期1960-1978,共19页
视网膜眼底图像的分割结果可为糖尿病视网膜病变、青光眼和年龄相关性黄斑病等眼科疾病的诊断提供辅助。通过准确分割视网膜血管,医生能够更好地了解患者眼部状况,为诊断、治疗和评估提供有力支持。对近年来的基于深度学习的眼底血管分... 视网膜眼底图像的分割结果可为糖尿病视网膜病变、青光眼和年龄相关性黄斑病等眼科疾病的诊断提供辅助。通过准确分割视网膜血管,医生能够更好地了解患者眼部状况,为诊断、治疗和评估提供有力支持。对近年来的基于深度学习的眼底血管分割论文进行回顾整理,介绍了最常用于眼底血管分割的数据集,以及预处理方式,并将近期的模型算法分为单网络模型、多网络模型以及Transformer模型几个大类。对每一类网络中所存在的各个模块文章进行了介绍分析,探讨了它们的优势以及在处理眼底血管分割任务时的局限性。这些分析有助于理解不同模块的特点和适用场景。将所检索的模型数据进行总结,通过比较不同算法模型在同一数据集上的表现,以及根据相同的评价指标获得的分数,比较各算法模型的优劣,分析分数较好算法存在优势的原因,并指出了现如今的算法所存在的缺陷,总结深度学习的方法在视网膜血管分割中面临的诸多挑战,指出了未来深度学习在眼底血管分割方面可侧重的发展方向。 展开更多
关键词 眼底图像 血管分割 深度学习
在线阅读 下载PDF
基于特征图金字塔的冠脉造影图像血管分割方法
18
作者 郭昊虎 高若谦 +3 位作者 葛明锋 董文飞 刘炎 赵旭峰 《中国光学（中英文）》 EI CAS CSCD 北大核心 2024年第4期971-981,共11页
针对冠脉造影图像照明不均、血管结构与背景区域对比度低、冠脉血管拓扑结构复杂等分割难点,建立了一个冠脉造影血管分割标注数据集,并在此基础上提出了一种基于特征图金字塔的冠脉造影图像血管分割模型。本文模型以U-Net网络为基础进... 针对冠脉造影图像照明不均、血管结构与背景区域对比度低、冠脉血管拓扑结构复杂等分割难点,建立了一个冠脉造影血管分割标注数据集,并在此基础上提出了一种基于特征图金字塔的冠脉造影图像血管分割模型。本文模型以U-Net网络为基础进行改进和优化,首先,将U-Net编码部分的第一个卷积层修改为一个7×7的卷积层,并提高每一层的感受野,在编解码层中引入修改后的ConvNeXt block,使得网络提取更深层次特征的能力有所提升;其次,设计分组注意力机制模块GA,并将其引入到U-Net跨连接处,对编码部分提取的特征进行增强,弥补编解码器间存在的语义差距;最后,在U-Net解码器处设计了一个特征图金字塔级联模块PFC,融合各尺度的特征图,并在PFC中每一层中加入SE注意力机制模块,用于筛选特征图中的有效信息,网络损失函数为PFC模块各层输出的加权,以监督网络各层的特征提取。本文模型在测试集上的测试结果如下:Dice系数为0.8843,Jaccard系数为0.7926。实验结果表明,相比其他常用方法,本文模型在冠脉血管分割上具有较强的鲁棒性,在低对比度下能够有效抑制噪声,对冠脉血管具有更好的分割效果。 展开更多
关键词 冠脉造影 血管分割 特征金字塔网络 注意力机制 U-Net
在线阅读 下载PDF
跨级融合门控自适应网络用于视网膜血管分割 被引量：1
19
作者 梁礼明 余洁 +2 位作者 陈鑫 雷坤 周珑颂 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1097-1109,共13页
针对现有多数算法对浅层特征提取不足,导致分割结果中血管边界模糊、毛细血管欠分割且包含噪声等问题,提出一种跨级融合门控自适应网络。该网络中的密集门控通道变换模块,通过促进通道之间的竞争或协同关系充分提取浅层特征信息,避免浅... 针对现有多数算法对浅层特征提取不足,导致分割结果中血管边界模糊、毛细血管欠分割且包含噪声等问题,提出一种跨级融合门控自适应网络。该网络中的密集门控通道变换模块,通过促进通道之间的竞争或协同关系充分提取浅层特征信息,避免浅层粗粒度特征信息丢失;通过跨层次融合模块捕获各层跨维度交互信息,有效聚合多尺度上下文特征;采用双自适应特征融合方法有效引导相邻层次特征融合,抑制噪声。在公共数据集DRIVE、CHASEDB1和STARE上进行验证,结果表明:所提网络准确率分别为0.9652、0.9668和0.9695,F_(1)值分别为0.8544、0.8152和0.8412,在多个指标上均处于较高水平,优于现有先进算法。 展开更多
关键词 视网膜血管分割 密集门控通道变换 跨层次融合模块 双自适应特征融合 三重注意力模块
在线阅读 下载PDF
注意力机制在视网膜血管分割中的应用综述
20
作者 裴峻鹏 汪有崧 +1 位作者 李增辉 王伟 《计算机工程与应用》 CSCD 北大核心 2024年第14期50-65,共16页
视网膜血管的自动分割在眼科和心血管疾病的计算机辅助诊断中发挥着重要作用。注意力机制能够提高经典神经网络模型对图像特征提取的效率和精度,因此注意力机制在视网膜血管分割模型中广泛使用。首先回顾了视网膜血管分割的常用数据集... 视网膜血管的自动分割在眼科和心血管疾病的计算机辅助诊断中发挥着重要作用。注意力机制能够提高经典神经网络模型对图像特征提取的效率和精度,因此注意力机制在视网膜血管分割模型中广泛使用。首先回顾了视网膜血管分割的常用数据集及评价指标,接着根据工作机理将注意力分为选择性注意力机制和自注意力机制两类;根据计算机视觉任务中的作用域将注意力方法分为通道注意力、空间注意力以及混合注意力三类,结合视网膜血管分割任务重点介绍了以上三类方法的代表性注意力模型的具体应用,并对相关模型进行性能对比和评价。最后,对注意力机制存在的问题以及未来的发展趋势进行了讨论。 展开更多
关键词 视网膜血管分割 神经网络 注意力机制 计算机视觉
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 2 … 7 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