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U-net改进的臂丛神经超声图像分割方法
被引量：
2
1
作者
王传涛
刘思宇
+1 位作者
张锦华
蔡昊轩
《浙江工业大学学报》
北大核心
2024年第1期52-57,67,共7页
臂丛神经阻滞麻醉是外科手术中常用的麻醉方法之一,其关键的步骤是识别臂丛神经结构,超声因无创、实时的特点已成为识别神经结构的重要手段,由于臂丛神经超声图像中含有大量噪声且对比度低,传统的分割方法很难达到理想的分割效果。因此...
臂丛神经阻滞麻醉是外科手术中常用的麻醉方法之一,其关键的步骤是识别臂丛神经结构,超声因无创、实时的特点已成为识别神经结构的重要手段,由于臂丛神经超声图像中含有大量噪声且对比度低,传统的分割方法很难达到理想的分割效果。因此,提出了一种基于U-net网络模型改进的臂丛神经超声图像分割方法。首先,在编码器部分引入了高效通道注意力网络(ECA-Net),以抑制无关信息并且增加对分割目标的权重;然后,在跳跃连接部分加入了不同膨胀率的空洞卷积,以融合神经结构的多尺度信息,解决神经结构形态不一的问题;最后,为了验证笔者模型的有效性,在Kaggle超声神经分割竞赛数据集上进行评估。实验结果表明:笔者模型在Dice相似系数和交并比(IoU)上分别达到了0.7246和0.6413,相较于Segnet,U-net和U-net++网络模型具有更优的分割效果。
展开更多
关键词
图像分割
臂丛神经
U-net
注意力机制
空洞卷积
在线阅读
下载PDF
职称材料
正常臂丛节后神经MR神经成像术
被引量：
36
2
作者
李新春
陈健宇
+2 位作者
刘庆余
沈君
梁碧玲
《中国医学影像技术》
CSCD
2004年第1期105-107,共3页
目的 探讨正常人臂丛节后神经MR神经成像术参数及其可行性。方法 对 30例健康志愿者行双侧臂丛节后神经MR冠状位扫描 ,扫描序列包括 :常规自旋回波序列 (SE)T1加权 (T1WI)、T2加权 (T2WI,TSE)、MR神经成像术 (MRN) ,观察 3种序列对臂...
目的 探讨正常人臂丛节后神经MR神经成像术参数及其可行性。方法 对 30例健康志愿者行双侧臂丛节后神经MR冠状位扫描 ,扫描序列包括 :常规自旋回波序列 (SE)T1加权 (T1WI)、T2加权 (T2WI,TSE)、MR神经成像术 (MRN) ,观察 3种序列对臂丛节后神经的同层显示情况 ,并计算各序列图像对比噪声比。结果 T1WI、T2WI、MRN对臂丛节后神经同层显示率分别为 5 6 .7%、5 3.3%、83.3% ;对臂丛节后神经根与锁骨下束同层显示率分别为 5 0 %、4 6 .7%、70 %。MRN对臂丛节后神经的同层显示率 ,臂丛节后神经根与锁骨下束同层显示率明显高于常规序列 (P <0 .0 1,P <0 .0 5 ) ,T1WI与T2WI序列对臂丛节后神经的显示率无明显差异 (P >0 .0 5 )。各序列图像对比噪声比分别为 :2 .0 4± 0 .97、2 .11± 1.0 1、2 3.6 8± 5 .93,MRN图像对比噪声比明显高于常规组 (P =0 .0 0 0 )。结论 MR神经成像术对臂丛节后神经的显示率及对比噪声比明显高于常规成像序列 ,使臂丛节后神经显示成为高信号 ,可作为显示臂丛病变的常规方法。
展开更多
关键词
臂丛节后神经
磁共振成像
MR神经成像术
在线阅读
下载PDF
职称材料
基于卷积神经网络的臂丛神经超声图像分割方法
被引量：
17
3
作者
龙法宁
朱晓姝
甘井中
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2018年第9期1191-1195,1296,共6页
近几年卷积神经网络(convolutional neural network,CNN)在图像处理、语音识别、自然语言处理以及信息检索等领域得到广泛应用,颈部臂丛神经超声图像具有较低的信噪比、较低的对比度、模糊的边缘,其分割是一项富有挑战性的工作。文章针...
近几年卷积神经网络(convolutional neural network,CNN)在图像处理、语音识别、自然语言处理以及信息检索等领域得到广泛应用,颈部臂丛神经超声图像具有较低的信噪比、较低的对比度、模糊的边缘,其分割是一项富有挑战性的工作。文章针对目前臂丛神经超声图像手工标注的训练样本较少的情况,对U-Net模型进行改进,构建了一个适用于臂丛神经分割的卷积神经网络模型QU-Net,并选择BP图像数据库进行训练、测试。实验结果表明,与主流神经卷积网络分割算法SegNet、U-Net相比,QU-Net的图像分割结果具有更高的准确性。
展开更多
关键词
臂丛神经
图像分割
卷积神经网络(CNN)
深度学习
U-Net模型
在线阅读
下载PDF
职称材料
题名
基于U-net改进的臂丛神经超声图像分割方法
被引量：
2
1
作者
王传涛
刘思宇
张锦华
蔡昊轩
机构
北京建筑大学机电与车辆工程学院
北京建筑安全监测工程技术研究中心
出处
《浙江工业大学学报》
北大核心
2024年第1期52-57,67,共7页
基金
北京青年拔尖人才培育计划项目(CIT&TCD201704052)。
文摘
臂丛神经阻滞麻醉是外科手术中常用的麻醉方法之一,其关键的步骤是识别臂丛神经结构,超声因无创、实时的特点已成为识别神经结构的重要手段,由于臂丛神经超声图像中含有大量噪声且对比度低,传统的分割方法很难达到理想的分割效果。因此,提出了一种基于U-net网络模型改进的臂丛神经超声图像分割方法。首先,在编码器部分引入了高效通道注意力网络(ECA-Net),以抑制无关信息并且增加对分割目标的权重;然后,在跳跃连接部分加入了不同膨胀率的空洞卷积,以融合神经结构的多尺度信息,解决神经结构形态不一的问题;最后,为了验证笔者模型的有效性,在Kaggle超声神经分割竞赛数据集上进行评估。实验结果表明:笔者模型在Dice相似系数和交并比(IoU)上分别达到了0.7246和0.6413,相较于Segnet,U-net和U-net++网络模型具有更优的分割效果。
关键词
图像分割
臂丛神经
U-net
注意力机制
空洞卷积
Keywords
image
segment
ation
brachial
plexus
U-net
attention mechanism
atrous convolution
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
R445.1 [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
正常臂丛节后神经MR神经成像术
被引量：
36
2
作者
李新春
陈健宇
刘庆余
沈君
梁碧玲
机构
东莞市人民医院放射科
中山大学附属第二医院放射科
出处
《中国医学影像技术》
CSCD
2004年第1期105-107,共3页
文摘
目的 探讨正常人臂丛节后神经MR神经成像术参数及其可行性。方法 对 30例健康志愿者行双侧臂丛节后神经MR冠状位扫描 ,扫描序列包括 :常规自旋回波序列 (SE)T1加权 (T1WI)、T2加权 (T2WI,TSE)、MR神经成像术 (MRN) ,观察 3种序列对臂丛节后神经的同层显示情况 ,并计算各序列图像对比噪声比。结果 T1WI、T2WI、MRN对臂丛节后神经同层显示率分别为 5 6 .7%、5 3.3%、83.3% ;对臂丛节后神经根与锁骨下束同层显示率分别为 5 0 %、4 6 .7%、70 %。MRN对臂丛节后神经的同层显示率 ,臂丛节后神经根与锁骨下束同层显示率明显高于常规序列 (P <0 .0 1,P <0 .0 5 ) ,T1WI与T2WI序列对臂丛节后神经的显示率无明显差异 (P >0 .0 5 )。各序列图像对比噪声比分别为 :2 .0 4± 0 .97、2 .11± 1.0 1、2 3.6 8± 5 .93,MRN图像对比噪声比明显高于常规组 (P =0 .0 0 0 )。结论 MR神经成像术对臂丛节后神经的显示率及对比噪声比明显高于常规成像序列 ,使臂丛节后神经显示成为高信号 ,可作为显示臂丛病变的常规方法。
关键词
臂丛节后神经
磁共振成像
MR神经成像术
Keywords
brachial plexus post-ganglionic segment
Magnetic resonance imaging
Magnetic resonance neurography
分类号
R651.3 [医药卫生—外科学]
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
基于卷积神经网络的臂丛神经超声图像分割方法
被引量：
17
3
作者
龙法宁
朱晓姝
甘井中
机构
玉林师范学院计算机科学与工程学院
玉林师范学院广西高校复杂系统优化与大数据处理重点实验室
出处
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2018年第9期1191-1195,1296,共6页
基金
广西壮族自治区自然科学基金资助项目(2013GXNSFAA019337)
广西教育厅重点科研资助项目(2013ZD056)
+1 种基金
广西青年自然科学基金资助项目(2014GXNSFBA118010
2014GXNSFBA118268)
文摘
近几年卷积神经网络(convolutional neural network,CNN)在图像处理、语音识别、自然语言处理以及信息检索等领域得到广泛应用,颈部臂丛神经超声图像具有较低的信噪比、较低的对比度、模糊的边缘,其分割是一项富有挑战性的工作。文章针对目前臂丛神经超声图像手工标注的训练样本较少的情况,对U-Net模型进行改进,构建了一个适用于臂丛神经分割的卷积神经网络模型QU-Net,并选择BP图像数据库进行训练、测试。实验结果表明,与主流神经卷积网络分割算法SegNet、U-Net相比,QU-Net的图像分割结果具有更高的准确性。
关键词
臂丛神经
图像分割
卷积神经网络(CNN)
深度学习
U-Net模型
Keywords
brachial
plexus
image
segment
ation
convolutional neural network(CNN)
deep learning
U-Net model
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
基于U-net改进的臂丛神经超声图像分割方法
王传涛
刘思宇
张锦华
蔡昊轩
《浙江工业大学学报》
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
正常臂丛节后神经MR神经成像术
李新春
陈健宇
刘庆余
沈君
梁碧玲
《中国医学影像技术》
CSCD
2004
36
在线阅读
下载PDF
职称材料
3
基于卷积神经网络的臂丛神经超声图像分割方法
龙法宁
朱晓姝
甘井中
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2018
17
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
