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
2
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SAE深度特征学习的数字人脑切片图像分割
被引量：
6
1
作者
赵广军
王旭初
+2 位作者
牛彦敏
谭立文
张绍祥
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2016年第8期1297-1305,共9页
针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶...
针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶段,使用softmax分类器进行目标分割.对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明,相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征),SAE提取的图像深度特征具有更强的鉴别能力,显著地提高了分割精度.
展开更多
关键词
中国可视化人体数据集
脑组织分割
稀疏自编码器
深度特征
softmax分类器
在线阅读
下载PDF
职称材料
融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测
被引量：
4
2
作者
王旭初
牛彦敏
+2 位作者
赵广军
谭立文
张绍祥
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2018年第3期424-435,共12页
左心室检测在计算机辅助心脏MR图像诊断方面具有重要价值,针对由于成像质量、部分容积效应、目标复杂多变等因素影响,导致左心室自动检测准确度较低的问题,提出一种融合候选区域提取与栈式稀疏自编码器(SSAE)深度特征学习的心脏MR图像...
左心室检测在计算机辅助心脏MR图像诊断方面具有重要价值,针对由于成像质量、部分容积效应、目标复杂多变等因素影响,导致左心室自动检测准确度较低的问题,提出一种融合候选区域提取与栈式稀疏自编码器(SSAE)深度特征学习的心脏MR图像左心室检测方法.在候选区域提取阶段,先用超像素算法产生初始区域,然后对SSAE学习到的深度特征采用层次聚类算法生成候选区域;在检测阶段,先使用SSAE提取候选区域的深度特征,然后训练SVM分类器对候选区域进行分类,并使用难分负样本挖掘算法对模型进行调节.对心脏图谱数据集左心室目标检测的实验结果表明,相对于手工特征及基于候选区域等方法,该方法取得了有竞争力的检测精度.
展开更多
关键词
栈式稀疏自编码器
左心室目标检测
深度特征学习
心脏MR图像
SVM分类器
在线阅读
下载PDF
职称材料
题名
基于SAE深度特征学习的数字人脑切片图像分割
被引量：
6
1
作者
赵广军
王旭初
牛彦敏
谭立文
张绍祥
机构
重庆
大学
光电技术及系统教育部重点实验室
重庆
大学
光电
工程
学院
重庆师范
大学
计算机与信息科学
学院
中国人民解放军第三军医大学生物医学工程学院数字医学研究所
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2016年第8期1297-1305,共9页
基金
国家自然科学基金(60903142
61190122)
+1 种基金
中国博士后基金特别资助(2013T60841)
中央高校基本业务费项目(106112015CDJXY120003)
文摘
针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶段,使用softmax分类器进行目标分割.对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明,相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征),SAE提取的图像深度特征具有更强的鉴别能力,显著地提高了分割精度.
关键词
中国可视化人体数据集
脑组织分割
稀疏自编码器
深度特征
softmax分类器
Keywords
Chinese visual human
brain tissue segmentation
sparse autoencoder
deep-learning feature repre-sentations
softmax classifier
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
融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测
被引量：
4
2
作者
王旭初
牛彦敏
赵广军
谭立文
张绍祥
机构
重庆
大学
光电技术及系统教育部重点实验室
重庆
大学
光电
工程
学院
重庆师范
大学
计算机与信息科学
学院
中国人民解放军第三军医大学生物医学工程学院数字医学研究所
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2018年第3期424-435,共12页
基金
国家自然科学基金(61190122)
重庆市基础与前沿研究计划(cstc2016jcyj A0317)
中央高校基本业务费项目(106112015CDJXY120003)
文摘
左心室检测在计算机辅助心脏MR图像诊断方面具有重要价值,针对由于成像质量、部分容积效应、目标复杂多变等因素影响,导致左心室自动检测准确度较低的问题,提出一种融合候选区域提取与栈式稀疏自编码器(SSAE)深度特征学习的心脏MR图像左心室检测方法.在候选区域提取阶段,先用超像素算法产生初始区域,然后对SSAE学习到的深度特征采用层次聚类算法生成候选区域;在检测阶段,先使用SSAE提取候选区域的深度特征,然后训练SVM分类器对候选区域进行分类,并使用难分负样本挖掘算法对模型进行调节.对心脏图谱数据集左心室目标检测的实验结果表明,相对于手工特征及基于候选区域等方法,该方法取得了有竞争力的检测精度.
关键词
栈式稀疏自编码器
左心室目标检测
深度特征学习
心脏MR图像
SVM分类器
Keywords
Stacked Sparse Auto-encoder
left ventricle detection
deep learnt feature
cardiac MR image
SVM classifier
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SAE深度特征学习的数字人脑切片图像分割
赵广军
王旭初
牛彦敏
谭立文
张绍祥
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2016
6
在线阅读
下载PDF
职称材料
2
融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测
王旭初
牛彦敏
赵广军
谭立文
张绍祥
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2018
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
