检索结果-维普期刊中文期刊服务平台

超声乳腺肿瘤的全自动SVM检测与水平集分割算法被引量：7: 1; 作者徐静高鑫《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2012年第5期662-668,676,共8页; 超声图像检测是当前乳腺癌诊断的主要辅助手段之一.为实现超声乳腺肿瘤的计算机自动辅助诊断,提出一种基于支持向量机(SVM)目标检测与水平集图像分割相结合的全自动肿瘤提取算法.首先提取超声图像训练集的分块特征来训练SVM分类器,对测... 展开更多; 关键词超声乳腺肿瘤检测分割支持向量机水平集 Chan-Vese主动轮廓模型 BHATTACHARYYA距离; 在线阅读下载PDF 职称材料

乳腺肿瘤超声图像中感兴趣区域的自动检测被引量：10: 2; 作者苏燕妮汪源源《中国生物医学工程学报》 CAS CSCD 北大核心 2010年第2期178-184,共7页; 由于斑点噪声、伪影以及病灶形状多变的影响,乳腺肿瘤超声图像中肿瘤区域的自动检测以及病灶的边缘提取比较困难,已有的方法主要是由医生先手工提取感兴趣区域(ROI)。本研究提出一种乳腺肿瘤超声图像中感兴趣区域自动检测的方法,选用超... 展开更多; 关键词乳腺肿瘤超声图像感兴趣区域自动检测自组织映射神经网络; 在线阅读下载PDF 职称材料

乳腺肿瘤超声图像的边缘检测被引量：4: 3; 作者杨舒珺刘东权《计算机应用与软件》 CSCD 北大核心 2013年第5期283-286,共4页; 乳腺癌是妇女最常见的恶性肿瘤之一。超声诊断由于价格便宜、操作方便、无伤害性等显著优点,成为检测乳腺癌的常见方式。其治疗主要取决于肿瘤的早期发现、早期诊断。而对肿瘤的边缘提取则是对肿瘤良恶性进行判断的前提。针对乳腺肿瘤... 展开更多; 关键词超声图像乳腺癌肿瘤边缘检测分数阶微分区域增长; 在线阅读下载PDF 职称材料

改进U-Net的超声乳腺肿瘤分割网络被引量：6: 4; 作者陈曦刘奇 +2 位作者邓小波何柯辰全美霖《计算机工程与应用》 CSCD 北大核心 2022年第22期219-228,共10页; 乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点,经典U-Net的乳腺肿瘤分割结果与标注图像出入较大。对此,提出改进网络MultiMixU-Net。该网络在U-Net结构中引入MultiMix block以及Respath。MultiMix block通过空洞卷积通... 展开更多; 关键词乳腺肿瘤分割超声图像 U-Net 深度学习; 在线阅读下载PDF 职称材料

基于特征融合的边缘引导乳腺超声图像分割方法被引量：4: 5; 作者白雪飞马亚楠王文剑《计算机科学》 CSCD 北大核心 2023年第3期199-207,共9页; 针对乳腺超声图像边缘模糊、斑点噪声多、对比度低等问题,提出了一种融合多特征的边缘引导多尺度选择性核U-Net(Edge-guided Multi-scale Selective Kernel U-Net,EMSK U-Net)方法。EMSK U-Net采用基于U-Net的对称编解码结构可以适应小... 展开更多; 关键词乳腺超声图像分割特征融合边缘检测多尺度特征深度学习 U-Net; 在线阅读下载PDF 职称材料

基于改进水平集图像分割方法的乳腺超声病灶提取被引量：3: 6; 作者杨谊喻德旷《计算机应用与软件》 CSCD 北大核心 2014年第11期217-221,240,共6页; 准确高效的乳腺超声病灶提取技术具有重要应用价值,但超声图像灰度不均匀、伪影重、噪声强、乳腺病灶区域与周围组织相似度较高等特有属性给自动分割带来很大挑战。RSF模型是一种较为成功的图像分割方法,但对初始轮廓和噪声较敏感,直接... 展开更多; 关键词水平集方法预提取乳腺超声图像肿瘤分割; 在线阅读下载PDF 职称材料

题名超声乳腺肿瘤的全自动SVM检测与水平集分割算法被引量：7: 1; 作者徐静高鑫; 机构中国科学院电子学研究所航空微波遥感系统部中国科学院研究生院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2012年第5期662-668,676,共8页; 基金国家"八六三"高技术研究发展计划(2008AA121805-1); 文摘超声图像检测是当前乳腺癌诊断的主要辅助手段之一.为实现超声乳腺肿瘤的计算机自动辅助诊断,提出一种基于支持向量机(SVM)目标检测与水平集图像分割相结合的全自动肿瘤提取算法.首先提取超声图像训练集的分块特征来训练SVM分类器,对测试集图像进行检测得到可疑病灶区域;然后提取可疑区域边缘作为水平集的初始轮廓,使用加入Bhattacharyya距离项的Chan-Vese主动轮廓改进模型进行可疑病灶区域的轮廓演化,得到准确的轮廓;最后综合面积、位置、灰度、纹理等因素设计区域评价筛选准则,去除可疑病灶中的干扰区域,得到最终的肿瘤分割结果.在真实病例数据集上的测试结果表明,利用该算法在良恶性肿瘤检测分割中均有较好表现.; 关键词超声乳腺肿瘤检测分割支持向量机水平集 Chan-Vese主动轮廓模型 BHATTACHARYYA距离; Keywords breast tumor detection support vector machine level set Chan-Vese active contour model Bhattacharyya distance; 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

题名乳腺肿瘤超声图像中感兴趣区域的自动检测被引量：10: 2; 作者苏燕妮汪源源; 机构复旦大学电子工程系; 出处《中国生物医学工程学报》 CAS CSCD 北大核心 2010年第2期178-184,共7页; 基金国家重点基础研究规划基金项目(2005CB724303) 国家自然科学基金资助项目(10974035) 上海市重点学科建设项目(B112); 文摘由于斑点噪声、伪影以及病灶形状多变的影响,乳腺肿瘤超声图像中肿瘤区域的自动检测以及病灶的边缘提取比较困难,已有的方法主要是由医生先手工提取感兴趣区域(ROI)。本研究提出一种乳腺肿瘤超声图像中感兴趣区域自动检测的方法,选用超声图像的局部纹理、局部灰度共生矩阵以及位置信息作为特征,采用自组织映射神经网络进行分类,自动识别乳腺肿瘤区域。对包含168幅乳腺肿瘤超声图像的数据库进行识别的结果表明:该方法自动识别ROI的准确率达到86.9%,可辅助医生提取肿瘤的实际边缘以及进一步诊断。; 关键词乳腺肿瘤超声图像感兴趣区域自动检测自组织映射神经网络; Keywords breast tumor ultrasound images region of interest（ROI） automatic detection self-organizing map（SOM） neural network; 分类号 R318.08 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名乳腺肿瘤超声图像的边缘检测被引量：4: 3; 作者杨舒珺刘东权; 机构四川大学计算机学院; 出处《计算机应用与软件》 CSCD 北大核心 2013年第5期283-286,共4页; 文摘乳腺癌是妇女最常见的恶性肿瘤之一。超声诊断由于价格便宜、操作方便、无伤害性等显著优点,成为检测乳腺癌的常见方式。其治疗主要取决于肿瘤的早期发现、早期诊断。而对肿瘤的边缘提取则是对肿瘤良恶性进行判断的前提。针对乳腺肿瘤超声图像自身的一些缺点如图像对比度低、斑点噪声大、部分边缘缺失、肿瘤内部细微结构分布复杂,特别恶性肿瘤还具有复杂形状等难点,提出一种先利用分数阶微分增强图像的信噪比,再结合区域增长提取肿瘤边缘的方法。; 关键词超声图像乳腺癌肿瘤边缘检测分数阶微分区域增长; Keywords Ultrasound image Breast cancer Tumor Edge detection Fractional differential Region growing; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名改进U-Net的超声乳腺肿瘤分割网络被引量：6: 4; 作者陈曦刘奇邓小波何柯辰全美霖; 机构四川大学电气工程学院四川大学生物医学工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2022年第22期219-228,共10页; 文摘乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点,经典U-Net的乳腺肿瘤分割结果与标注图像出入较大。对此,提出改进网络MultiMixU-Net。该网络在U-Net结构中引入MultiMix block以及Respath。MultiMix block通过空洞卷积通路提高网络区分目标以及背景的能力,并通过级联该通路中各卷积层输出,融合普通卷积通路的输出来提取多尺度特征信息。Respath的改进部署使网络中收缩路径与扩张路径之间对应特征信息的传递更加有效。该改进网络在公开的超声乳腺肿瘤分割数据集上进行了测试,实验表明,MultiMixU-Net分割结果优于其他网络且参数量较少。相较于U-Net,所提网络分割结果在所有评价指标上均有提升,其中IoU、DSC分别提升0.1541、0.1273。; 关键词乳腺肿瘤分割超声图像 U-Net 深度学习; Keywords breast tumor segmentation ultrasound images U-Net deep learning; 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

题名基于特征融合的边缘引导乳腺超声图像分割方法被引量：4: 5; 作者白雪飞马亚楠王文剑; 机构山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学); 出处《计算机科学》 CSCD 北大核心 2023年第3期199-207,共9页; 基金国家自然科学基金(61703252,U21A20513,62076154,62276161) 山西省重点研发项目(202102150401013) 山西省研究生教育创新项目(2022Y145)。; 文摘针对乳腺超声图像边缘模糊、斑点噪声多、对比度低等问题,提出了一种融合多特征的边缘引导多尺度选择性核U-Net(Edge-guided Multi-scale Selective Kernel U-Net,EMSK U-Net)方法。EMSK U-Net采用基于U-Net的对称编解码结构可以适应小数据集医学图像分割的特点,将扩张卷积与传统卷积构成选择性核模块作用于编码路径,并提取下采样过程中的选择性核特征进行边缘检测任务,在丰富图像空间信息的同时细化边缘信息,有效缓解斑点噪声和边缘模糊的问题,在一定程度上可以提升小目标的检测精度。然后在解码路径通过多尺度特征加权聚合获取丰富的深层语义信息,多种信息之间相互补充,从而提升网络的分割性能。在3个公开的乳腺超声图像数据集上的实验结果表明,与其他分割方法相比,EMSK U-Net算法各项指标表现良好,分割性能有显著提升。; 关键词乳腺超声图像分割特征融合边缘检测多尺度特征深度学习 U-Net; Keywords Breast ultrasound image segmentation Feature fusion Edge detection Multi-scale features Deep learning U-Net; 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

题名基于改进水平集图像分割方法的乳腺超声病灶提取被引量：3: 6; 作者杨谊喻德旷; 机构南方医科大学生物医学工程学院; 出处《计算机应用与软件》 CSCD 北大核心 2014年第11期217-221,240,共6页; 基金广东省科技计划项目(2010B060300001); 文摘准确高效的乳腺超声病灶提取技术具有重要应用价值,但超声图像灰度不均匀、伪影重、噪声强、乳腺病灶区域与周围组织相似度较高等特有属性给自动分割带来很大挑战。RSF模型是一种较为成功的图像分割方法,但对初始轮廓和噪声较敏感,直接用于病灶提取有待改进。针对图像局部分割需求,通过预提取初始分割区域作为水平集的初始条件,有助于提高分割精度;以局部能量为主导,较好地处理灰度不匀的超声特质,增加全局能量项以使零水平集能够更好地定位在弱边界;引入灰度变化率作用以提高轮廓在灰度匀质部分的演化速度。分割实验结果表明,该方法能较为准确地定位乳腺超声病灶,有一定的临床参考价值。; 关键词水平集方法预提取乳腺超声图像肿瘤分割; Keywords Level set method Pre-extracting Ultrasound galactophore image Tumour segmentation; 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	作者	出处	发文年	被引量	操作
1	超声乳腺肿瘤的全自动SVM检测与水平集分割算法	徐静高鑫	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2012	7	在线阅读下载PDF 职称材料
2	乳腺肿瘤超声图像中感兴趣区域的自动检测	苏燕妮汪源源	《中国生物医学工程学报》 CAS CSCD 北大核心	2010	10	在线阅读下载PDF 职称材料
3	乳腺肿瘤超声图像的边缘检测	杨舒珺刘东权	《计算机应用与软件》 CSCD 北大核心	2013	4	在线阅读下载PDF 职称材料
4	改进U-Net的超声乳腺肿瘤分割网络	陈曦刘奇邓小波何柯辰全美霖	《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
5	基于特征融合的边缘引导乳腺超声图像分割方法	白雪飞马亚楠王文剑	《计算机科学》 CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
6	基于改进水平集图像分割方法的乳腺超声病灶提取	杨谊喻德旷	《计算机应用与软件》 CSCD 北大核心	2014	3	在线阅读下载PDF 职称材料