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
3
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
基于布隆过滤器的轻量级隐私信息匹配方案
被引量：
4
1
作者
万盛
何媛媛
+3 位作者
李凤华
牛犇
李晖
王新宇
《通信学报》
EI
CSCD
北大核心
2015年第12期151-162,共12页
针对智能终端用户私有数据匹配中的隐私保护问题,基于布隆过滤器和二元向量内积协议,提出一种新的综合考虑用户属性及其偏好的轻量级隐私信息匹配方案,包括建立基于Dice相似性系数的二维向量相似度函数、设置参数、生成布隆过滤器、计...
针对智能终端用户私有数据匹配中的隐私保护问题,基于布隆过滤器和二元向量内积协议,提出一种新的综合考虑用户属性及其偏好的轻量级隐私信息匹配方案,包括建立基于Dice相似性系数的二维向量相似度函数、设置参数、生成布隆过滤器、计算二元向量内积、计算相似度和确定匹配对象6个部分。该方案采用基于布隆过滤器的相似度估计和基于混淆方法的二元向量内积协议,在不依赖于可信第三方的前提下,大幅度降低计算开销,且能够有效抵御蛮力攻击和无限制输入攻击。实验结果表明,该方案与典型代表方案相比,计算效率得到明显提升。
展开更多
关键词
隐私信息匹配
dice相似性系数
布隆过滤器
二元向量内积协议
在线阅读
下载PDF
职称材料
U-Net深度学习模型对DCE-MRI上乳腺肿块自动分割和定位的准确性分析
被引量：
19
2
作者
马明明
姜原
+7 位作者
刘义
谢辉辉
张靖远
王祥鹏
刘伟鹏
张晓东
秦乃姗
王霄英
《放射学实践》
北大核心
2020年第8期1030-1036,共7页
目的:训练U-Net深度学习模型对乳腺动态增强磁共振图像(DCE-MRI)上乳腺肿块进行自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能。方法:回顾性分析2015年2月1日-2016年1...
目的:训练U-Net深度学习模型对乳腺动态增强磁共振图像(DCE-MRI)上乳腺肿块进行自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能。方法:回顾性分析2015年2月1日-2016年12月31日本院所有乳腺MR影像和报告资料,将已取得活检但尚未治疗的88例连续乳腺癌患者的数据纳入本研究。将入组病例随机分为训练集(train set,70例)、调优集(validation set,9例)和测试集(test set,9例)。完成MR图像数据格式转换后,由两位放射科医师在每例患者的MR图像上标注双侧乳腺,并标注1个最大且经病理证实的肿块。训练集中采用U-Net分割模型在DCE-MRI图像上分割乳腺轮廓,并序贯分割其中明显强化的肿块灶。客观评价:以测试集中肿块的Dice相似性系数(Dice similarity coefficient,DSC)值评价肿块分割效果。主观评价:由2位乳腺影像诊断专家对模型预测病灶的准确性进行评估,分析假阳性病灶的性质和特征。由U-net模型输出的分割肿块的三维径线、体积和定位信息,自动填写到乳腺BI-RADS结构化报告中,并与既往影像报告中医师人工测量的结果进行比较。结果:在测试集中专家标注了9个病灶,模型检出了其中7个病灶,敏感度为77.8%(7/9);2个未预测出的病灶,1个肿瘤主体部分有明显坏死,另1个为背景显著强化。在测试集中模型预测出了16个“假阳性”区域,其中10个为腺体内多发小的强化灶,4个为乳腺癌周围子灶,2个为强化的乳头和血管等。软件自动测量肿块的三维径线和医师手工测量乳腺病灶径线一致性高。模型分割肿块的平均DSC值为0.85。结论:U-Net深度学习模型可用于乳腺DCE-MRI图像上有明显强化病灶的分割和径线测量,有必要行大样本研究以论证和实现其临床应用。
展开更多
关键词
乳腺肿瘤
磁共振成像
深度学习
分割
dice相似性系数
结构化报告
在线阅读
下载PDF
职称材料
基于三维全卷积DenseNet的脑胶质瘤MRI分割
被引量：
12
3
作者
黄奕晖
冯前进
《南方医科大学学报》
CAS
CSCD
北大核心
2018年第6期661-668,共8页
从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提。为了有效针对脑胶质瘤MRI的特性和提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实现形式)...
从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提。为了有效针对脑胶质瘤MRI的特性和提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实现形式)构建一个基于三维全卷积Dense Net的图像特征学习网络。本研究包含了脑胶质瘤MRI的274个已分割训练集和110个未提供分割的测试集。图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方法得到最终的分割结果。相比通用的结构,推荐的结构提高了脑胶质瘤的分割精度。在公开的Bra TS2015数据集上进行在线的评估中,整个肿瘤区、肿瘤核心区和增强肿瘤区的Dice值分别为0.85、0.71、0.63。
展开更多
关键词
DenseNet
图像分割
三维
胶质瘤
dice相似性系数
在线阅读
下载PDF
职称材料
题名
基于布隆过滤器的轻量级隐私信息匹配方案
被引量：
4
1
作者
万盛
何媛媛
李凤华
牛犇
李晖
王新宇
机构
西安电子科技大学综合业务网理论及关键技术国家重点实验室
中国科学院信息工程研究所信息安全国家重点实验室
北京电子科技学院信息安全系
出处
《通信学报》
EI
CSCD
北大核心
2015年第12期151-162,共12页
基金
国家自然科学基金-广东联合基金资助项目(U1401251)
国家高技术研究发展计划("863"计划)基金资助项目(2012AA013102)
教育部重点基金资助项目(209156)~~
文摘
针对智能终端用户私有数据匹配中的隐私保护问题,基于布隆过滤器和二元向量内积协议,提出一种新的综合考虑用户属性及其偏好的轻量级隐私信息匹配方案,包括建立基于Dice相似性系数的二维向量相似度函数、设置参数、生成布隆过滤器、计算二元向量内积、计算相似度和确定匹配对象6个部分。该方案采用基于布隆过滤器的相似度估计和基于混淆方法的二元向量内积协议,在不依赖于可信第三方的前提下,大幅度降低计算开销,且能够有效抵御蛮力攻击和无限制输入攻击。实验结果表明,该方案与典型代表方案相比,计算效率得到明显提升。
关键词
隐私信息匹配
dice相似性系数
布隆过滤器
二元向量内积协议
Keywords
privacy matching
dice
similarity coefficient
Bloom filter
confusion binary vector scalar product protocol
分类号
TN929 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
U-Net深度学习模型对DCE-MRI上乳腺肿块自动分割和定位的准确性分析
被引量：
19
2
作者
马明明
姜原
刘义
谢辉辉
张靖远
王祥鹏
刘伟鹏
张晓东
秦乃姗
王霄英
机构
北京大学第一医院医学影像科
北京赛迈特锐医学科技有限公司
出处
《放射学实践》
北大核心
2020年第8期1030-1036,共7页
文摘
目的:训练U-Net深度学习模型对乳腺动态增强磁共振图像(DCE-MRI)上乳腺肿块进行自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能。方法:回顾性分析2015年2月1日-2016年12月31日本院所有乳腺MR影像和报告资料,将已取得活检但尚未治疗的88例连续乳腺癌患者的数据纳入本研究。将入组病例随机分为训练集(train set,70例)、调优集(validation set,9例)和测试集(test set,9例)。完成MR图像数据格式转换后,由两位放射科医师在每例患者的MR图像上标注双侧乳腺,并标注1个最大且经病理证实的肿块。训练集中采用U-Net分割模型在DCE-MRI图像上分割乳腺轮廓,并序贯分割其中明显强化的肿块灶。客观评价:以测试集中肿块的Dice相似性系数(Dice similarity coefficient,DSC)值评价肿块分割效果。主观评价:由2位乳腺影像诊断专家对模型预测病灶的准确性进行评估,分析假阳性病灶的性质和特征。由U-net模型输出的分割肿块的三维径线、体积和定位信息,自动填写到乳腺BI-RADS结构化报告中,并与既往影像报告中医师人工测量的结果进行比较。结果:在测试集中专家标注了9个病灶,模型检出了其中7个病灶,敏感度为77.8%(7/9);2个未预测出的病灶,1个肿瘤主体部分有明显坏死,另1个为背景显著强化。在测试集中模型预测出了16个“假阳性”区域,其中10个为腺体内多发小的强化灶,4个为乳腺癌周围子灶,2个为强化的乳头和血管等。软件自动测量肿块的三维径线和医师手工测量乳腺病灶径线一致性高。模型分割肿块的平均DSC值为0.85。结论:U-Net深度学习模型可用于乳腺DCE-MRI图像上有明显强化病灶的分割和径线测量,有必要行大样本研究以论证和实现其临床应用。
关键词
乳腺肿瘤
磁共振成像
深度学习
分割
dice相似性系数
结构化报告
Keywords
Breast neoplasm
Magnetic resonance imaging
Deep learning
Segmentation
dice
similarity coefficient
Structured reporting
分类号
R737.9 [医药卫生—肿瘤]
R445.2 [医药卫生—影像医学与核医学]
在线阅读
下载PDF
职称材料
题名
基于三维全卷积DenseNet的脑胶质瘤MRI分割
被引量：
12
3
作者
黄奕晖
冯前进
机构
南方医科大学生物医学工程学院
广东省医学图像处理重点实验室
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2018年第6期661-668,共8页
基金
国家自然科学基金(31371009)
国家自然科学基金广东联合基金重点支持项目(U1501256)
广东省应用型科技研发专项(2015B010131011)~~
文摘
从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提。为了有效针对脑胶质瘤MRI的特性和提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实现形式)构建一个基于三维全卷积Dense Net的图像特征学习网络。本研究包含了脑胶质瘤MRI的274个已分割训练集和110个未提供分割的测试集。图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方法得到最终的分割结果。相比通用的结构,推荐的结构提高了脑胶质瘤的分割精度。在公开的Bra TS2015数据集上进行在线的评估中,整个肿瘤区、肿瘤核心区和增强肿瘤区的Dice值分别为0.85、0.71、0.63。
关键词
DenseNet
图像分割
三维
胶质瘤
dice相似性系数
Keywords
DenseNet
image segmentation
glioma
dice
similarity coefficient
分类号
R739.4 [医药卫生—肿瘤]
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
基于布隆过滤器的轻量级隐私信息匹配方案
万盛
何媛媛
李凤华
牛犇
李晖
王新宇
《通信学报》
EI
CSCD
北大核心
2015
4
在线阅读
下载PDF
职称材料
2
U-Net深度学习模型对DCE-MRI上乳腺肿块自动分割和定位的准确性分析
马明明
姜原
刘义
谢辉辉
张靖远
王祥鹏
刘伟鹏
张晓东
秦乃姗
王霄英
《放射学实践》
北大核心
2020
19
在线阅读
下载PDF
职称材料
3
基于三维全卷积DenseNet的脑胶质瘤MRI分割
黄奕晖
冯前进
《南方医科大学学报》
CAS
CSCD
北大核心
2018
12
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
