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
人工智能在胰腺囊性病变影像领域应用进展
1
作者
邓文祎
谢飞扬
薛华丹
《中国医学科学院学报》
CAS
CSCD
北大核心
2024年第2期275-280,共6页
胰腺囊性病变(PCL)的检出率逐年升高,人工智能(AI)技术在PCL影像检查工作流程中的应用研究取得了突破性进展,包括图像后处理、病灶检出、分割、鉴别和诊断。基于AI的图像后处理技术能够优化医学影像图像质量,AI辅助的病灶检出、分割、...
胰腺囊性病变(PCL)的检出率逐年升高,人工智能(AI)技术在PCL影像检查工作流程中的应用研究取得了突破性进展,包括图像后处理、病灶检出、分割、鉴别和诊断。基于AI的图像后处理技术能够优化医学影像图像质量,AI辅助的病灶检出、分割、鉴别和诊断模型可显著提升医生工作效率。本文对目前AI在PCL影像领域的应用进展进行综述,并对今后的研究方向做出展望。
展开更多
关键词
胰腺囊性病变
人工智能
图像后处理
检出
分割
诊断
鉴别诊断
在线阅读
下载PDF
职称材料
基于改进的nnU-Net胰腺分割模型
被引量：
1
2
作者
龚晓庆
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第4期594-600,共7页
CT扫描是腹部器官疾病的常规检查手段,准确地对腹部器官进行自动分割能够给医生提供辅助诊疗信息。但腹部CT影像中器官类型多、背景复杂等情况给腹部器官分割带来挑战,尤其是胰腺在CT影像中存在边界模糊的特点,导致现有器官分割模型难...
CT扫描是腹部器官疾病的常规检查手段,准确地对腹部器官进行自动分割能够给医生提供辅助诊疗信息。但腹部CT影像中器官类型多、背景复杂等情况给腹部器官分割带来挑战,尤其是胰腺在CT影像中存在边界模糊的特点,导致现有器官分割模型难以准确分割胰腺。为此,该文针对胰腺分割存在分割边界不准确的问题,基于nnU-Net医学影像分割自适应框架,设计了一种具有边界感知机制的胰腺器官分割模型。该模型在分割网络中嵌入边界感知模块来引导分割网络关注目标边界特征的有效提取;此外,模型将传统分割网络模块提取的语义特征和边界感知模块提取的边界特征进行融合,以有效缓解胰腺器官边界特征提取不完整的问题,从而实现更精准的胰腺器官分割。所提模型在NIH胰腺分割公开数据集上分割准确率达到0.879,分割效果优于现有器官分割模型。
展开更多
关键词
CT影像
胰腺器官分割
nnU-Net分割网络
特征融合
在线阅读
下载PDF
职称材料
基于模型压缩与重构U-net的胰腺分割
被引量：
4
3
作者
马豪
刘彦
张俊然
《计算机工程与设计》
北大核心
2022年第7期1998-2006,共9页
基于卷积神经网络的U-net模型广泛应用于胰腺分割任务,但该类方法对硬件计算能力要求过高,制约了其临床应用。为解决该问题,提出一个基于模型压缩与重构U-net的端到端框架(comprehension prune-reconstructed U-net network,CPRUN),以...
基于卷积神经网络的U-net模型广泛应用于胰腺分割任务,但该类方法对硬件计算能力要求过高,制约了其临床应用。为解决该问题,提出一个基于模型压缩与重构U-net的端到端框架(comprehension prune-reconstructed U-net network,CPRUN),以完成实时胰腺图像分割任务。通过通道剪枝技术实现了对卷积神经网络模型的压缩,利用重构U-net保障胰腺的分割精度。实验结果表明,使用CPRUN模型能够在保持分割精度的前提下有效减少模型参数量,其模型压缩程度与分割精度均优于同类算法。
展开更多
关键词
卷积神经网络
模型压缩
实时胰腺图像分割
通道剪枝
U-net
在线阅读
下载PDF
职称材料
题名
人工智能在胰腺囊性病变影像领域应用进展
1
作者
邓文祎
谢飞扬
薛华丹
机构
中国医学科学院北京协和医学院协和转化医学中心北京协和医院放射科
出处
《中国医学科学院学报》
CAS
CSCD
北大核心
2024年第2期275-280,共6页
基金
国家自然科学基金面上项目(82071896)
国家重点研发计划(2020YFC2002702)
中央高水平医院临床科研业务费(2022-PUMCH-B-069)。
文摘
胰腺囊性病变(PCL)的检出率逐年升高,人工智能(AI)技术在PCL影像检查工作流程中的应用研究取得了突破性进展,包括图像后处理、病灶检出、分割、鉴别和诊断。基于AI的图像后处理技术能够优化医学影像图像质量,AI辅助的病灶检出、分割、鉴别和诊断模型可显著提升医生工作效率。本文对目前AI在PCL影像领域的应用进展进行综述,并对今后的研究方向做出展望。
关键词
胰腺囊性病变
人工智能
图像后处理
检出
分割
诊断
鉴别诊断
Keywords
pancreatic
cystic lesions
artificial intelligence
image
post-processing
detection
segmentation
diagnosis
differential diagnosis
分类号
R735 [医药卫生—肿瘤]
R-1 [医药卫生]
在线阅读
下载PDF
职称材料
题名
基于改进的nnU-Net胰腺分割模型
被引量：
1
2
作者
龚晓庆
机构
西北大学信息科学与技术学院
出处
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2021年第4期594-600,共7页
基金
陕西省重点研发计划资助项目(2021KW-15)
国家重点研发计划资助项目子课题(2019YFC1606705-06)。
文摘
CT扫描是腹部器官疾病的常规检查手段,准确地对腹部器官进行自动分割能够给医生提供辅助诊疗信息。但腹部CT影像中器官类型多、背景复杂等情况给腹部器官分割带来挑战,尤其是胰腺在CT影像中存在边界模糊的特点,导致现有器官分割模型难以准确分割胰腺。为此,该文针对胰腺分割存在分割边界不准确的问题,基于nnU-Net医学影像分割自适应框架,设计了一种具有边界感知机制的胰腺器官分割模型。该模型在分割网络中嵌入边界感知模块来引导分割网络关注目标边界特征的有效提取;此外,模型将传统分割网络模块提取的语义特征和边界感知模块提取的边界特征进行融合,以有效缓解胰腺器官边界特征提取不完整的问题,从而实现更精准的胰腺器官分割。所提模型在NIH胰腺分割公开数据集上分割准确率达到0.879,分割效果优于现有器官分割模型。
关键词
CT影像
胰腺器官分割
nnU-Net分割网络
特征融合
Keywords
CT
image
pancreatic
segmentation
nnU-Net
segmentation
network
feature fusion
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
基于模型压缩与重构U-net的胰腺分割
被引量：
4
3
作者
马豪
刘彦
张俊然
机构
四川大学电气工程学院
出处
《计算机工程与设计》
北大核心
2022年第7期1998-2006,共9页
基金
国家自然科学基金项目(61902264)
川大泸州校地合作基金项目(2017CDLZ-G27)
川大自贡校地合作基金项目(2018CDZG-19)。
文摘
基于卷积神经网络的U-net模型广泛应用于胰腺分割任务,但该类方法对硬件计算能力要求过高,制约了其临床应用。为解决该问题,提出一个基于模型压缩与重构U-net的端到端框架(comprehension prune-reconstructed U-net network,CPRUN),以完成实时胰腺图像分割任务。通过通道剪枝技术实现了对卷积神经网络模型的压缩,利用重构U-net保障胰腺的分割精度。实验结果表明,使用CPRUN模型能够在保持分割精度的前提下有效减少模型参数量,其模型压缩程度与分割精度均优于同类算法。
关键词
卷积神经网络
模型压缩
实时胰腺图像分割
通道剪枝
U-net
Keywords
convolutional neural network
model compression
real-time pancreatic image segmentation
channel pruning
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
作者
出处
发文年
被引量
操作
1
人工智能在胰腺囊性病变影像领域应用进展
邓文祎
谢飞扬
薛华丹
《中国医学科学院学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于改进的nnU-Net胰腺分割模型
龚晓庆
《西北大学学报（自然科学版）》
CAS
CSCD
北大核心
2021
1
在线阅读
下载PDF
职称材料
3
基于模型压缩与重构U-net的胰腺分割
马豪
刘彦
张俊然
《计算机工程与设计》
北大核心
2022
4
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
