检索结果-维普期刊中文期刊服务平台

胸部CT图像中孤立性肺结节良恶性快速分类被引量：25: 1; 作者刘露刘宛予 +4 位作者楚春雨吴军周洋张红霞鲍劼《光学精密工程》 EI CAS CSCD 北大核心 2009年第8期2060-2068,共9页; 为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节(SPN)定性诊断问题,提出了能够用图像特征有效表示SPN病理特性,快速准确诊断SPN良恶性的计算机辅助诊断系统。采取交互式分割方法从胸部CT... 展开更多; 关键词孤立性肺结节(SPN) CT图像良恶性结节多分辨率直方图支持向量机(SVM); 在线阅读下载PDF 职称材料

CT图像中肿大淋巴结肺癌转移分类方法被引量：6: 2; 作者刘露刘宛予 +4 位作者楚春雨吴军周洋张红霞鲍劼《电子与信息学报》 EI CSCD 北大核心 2009年第10期2476-2482,共7页; 为解决肺癌N分期中胸部CT难于对肿大淋巴结是否癌转移进行评价的问题,寻求能够有效表示淋巴结病理特性的图像特征,实现对肿大淋巴结癌转移快速准确地判别。该文采取交互式分割从CT图像中提取出肿大淋巴结;直接计算淋巴结的多分辨率直方... 展开更多; 关键词肺癌N分期 CT图像肿大淋巴结多分辨率直方图支持向量机(SVM); 在线阅读下载PDF 职称材料

支持向量机与区域增长相结合的CT图像并行分割被引量：5: 3; 作者刘露楚春雨 +1 位作者马建为刘宛予《计算机科学》 CSCD 北大核心 2010年第5期237-239,共3页; 针对经典区域增长算法中生长规则确定的困难和单纯使用支持向量机分割速度慢的问题,提出了一种支持向量机与区域增长相结合的图像并行分割方法。首先,从已知分割结果的图像中选取一定数量的目标区域与非目标区域样本点作为支持向量机分... 展开更多; 关键词支持向量机(SVM) 区域增长 CT图像并行分割; 在线阅读下载PDF 职称材料

融合图像局部能量和梯度的水平集分割方法被引量：2: 4; 作者包立君刘宛予浦昭邦《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2011年第3期44-48,共5页; 为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是... 展开更多; 关键词图像分割水平集方法局部拟合能量梯度敏感性自动初始化; 在线阅读下载PDF 职称材料

机器学习算法诊断PET/CT纵膈淋巴结性能评估被引量：7: 5; 作者王洪凯陈中华 +5 位作者周纵苇李迎辞陆佩欧王文志刘宛予于丽娟《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第4期788-797,共10页; 评估4种主流典型的机器学习方法(随机森林、支持向量机、AdaBoost、反向传播人工神经网络)对(^(18 )F-FDG)PET/CT影像中非小细胞肺癌纵膈淋巴结良恶性进行诊断分类的性能.先从168例病人的PET/CT影像中分割出1 397个淋巴结,对每个淋巴结... 展开更多; 关键词计算机辅助诊断纵膈淋巴结非小细胞肺癌正电子发射断层成像机器学习; 在线阅读下载PDF 职称材料

新的超声立体视觉数据增强技术: 6; 作者刘宛予唐志健 +5 位作者朱跃敏刘文辉胡珊张延丽王丽会 I.E.Magnin 《光学精密工程》 EI CAS CSCD 北大核心 2008年第9期1759-1766,共8页; 针对超声成像噪声大、数据质量严重退化的特点,提出了一种新颖的非稳定度度量算法,该算法通过加强图像变化较大的部分来实现超声数据的增强。给出了输入信号信噪比不同情况下非稳定度算子与Deriche算子的输出仿真结果;通过兔子肝脏和12... 展开更多; 关键词三维立体视觉超声成像技术立体视觉图像数据增强非稳定度; 在线阅读下载PDF 职称材料

基于模式识别方法的肺癌分型比较: 7; 作者刘露马俊雷 +2 位作者李云董永庆刘宛予《现代电子技术》 2010年第10期83-85,共3页; 根据不同特征对分型准确率的影响,使用Logistic回归分析进行特征选择及优选实验研究,并采用神经网络和支持向量机方法对常见的周围型肺癌进行分型比较。通过实验,说明了神经网络和支持向量机在肺癌分型的应用方法,比较了两种模式识别方... 展开更多; 关键词肺癌分型支持向量机神经网络 LOGISTIC回归; 在线阅读下载PDF 职称材料

题名胸部CT图像中孤立性肺结节良恶性快速分类被引量：25: 1; 作者刘露刘宛予楚春雨吴军周洋张红霞鲍劼; 机构哈尔滨工业大学hit-insa中法生物医学图像联合研究中心哈尔滨理工大学自动化学院哈尔滨医科大学附属肿瘤医院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2009年第8期2060-2068,共9页; 基金国家国际科技合作重大专项(No.2007DFB30320) 国家自然科学基金资助项目(No.60777004) 黑龙江省教育厅科技计划项目(No.11531048); 文摘为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节(SPN)定性诊断问题,提出了能够用图像特征有效表示SPN病理特性,快速准确诊断SPN良恶性的计算机辅助诊断系统。采取交互式分割方法从胸部CT图像中提取出SPN;直接计算SPN图像的多分辨率直方图得到768维空间信息特征样本集;然后,充分利用具有处理高维数据集优势的支持向量机(SVM)构造SPN良恶性分类器;最后,通过测试样本集对经训练后的SVM分类器进行测试以评价分类性能。对214例病例进行实验,结果表明:240个SPN图像的768维特征计算所用时间为4.83s,SVM分类器训练测试所用时间为2.24s,敏感性为73.33%,特异性为70%,准确度达71.67%,接受者操作特性曲线(ROC)下面积(AUC)为0.7864。该系统提取的高维图像空间信息特征能够有效表示SPN特性;没有考虑医学征象进行SPN定性诊断的准确度即可达到71.67%,同时分类速度比传统纹理算法提高了近50倍,为医学影像学解决SPN定性诊断问题提供了便捷、客观的辅助手段。; 关键词孤立性肺结节(SPN) CT图像良恶性结节多分辨率直方图支持向量机(SVM); Keywords Solitary Pulmonary Nodule（SPN） CT image benign and malignant nodules multi-resolution histogram Support Vector Machine（SVM）; 分类号 TP394.1 [自动化与计算机技术—计算机应用技术] R445.3 [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CT图像中肿大淋巴结肺癌转移分类方法被引量：6: 2; 作者刘露刘宛予楚春雨吴军周洋张红霞鲍劼; 机构哈尔滨工业大学hit-insa中法生物医学图像联合研究中心哈尔滨理工大学自动化学院哈尔滨医科大学附属肿瘤医院; 出处《电子与信息学报》 EI CSCD 北大核心 2009年第10期2476-2482,共7页; 基金国家国际科技合作重大专项(2007DFB30320) 国家自然科学基金(60777004) 黑龙江省教育厅科技计划项目(11531048)资助课题; 文摘为解决肺癌N分期中胸部CT难于对肿大淋巴结是否癌转移进行评价的问题,寻求能够有效表示淋巴结病理特性的图像特征,实现对肿大淋巴结癌转移快速准确地判别。该文采取交互式分割从CT图像中提取出肿大淋巴结;直接计算淋巴结的多分辨率直方图得到200维空间信息特征样本集;利用具有处理高维数据集优势的支持向量机(SVM)构造分类器;用测试集对经训练的SVM分类器进行测试以评价分类性能。经96例病例实验结果表明:100个淋巴结图像的200维特征计算用时1.91s,SVM分类器训练测试用时1.36s,敏感性76%,特异性64%,准确度70%,接受者操作特性曲线(ROC)下面积(AUC)0.6525。高维图像空间信息特征能够有效表示淋巴结特性;没有考虑医学征象进行肿大淋巴结癌转移定性诊断的准确度就达到了70%,同时分类速度比传统纹理算法提高了约10倍。; 关键词肺癌N分期 CT图像肿大淋巴结多分辨率直方图支持向量机(SVM); Keywords Lung cancer N stage CT image Tumid lymph nodes Multi-resolution histogram Support Vector Machine; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] R445.3 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名支持向量机与区域增长相结合的CT图像并行分割被引量：5: 3; 作者刘露楚春雨马建为刘宛予; 机构哈尔滨理工大学自动化学院哈尔滨工业大学hit-insa中法生物医学图像联合研究中心; 出处《计算机科学》 CSCD 北大核心 2010年第5期237-239,共3页; 基金国家国际科技合作重大专项(No.2007DFB30320) 黑龙江省教育厅科技计划项目(No.11531048) 哈尔滨市科技创新人才研究专项资金项目(No.2008RFQXS062)资助; 文摘针对经典区域增长算法中生长规则确定的困难和单纯使用支持向量机分割速度慢的问题,提出了一种支持向量机与区域增长相结合的图像并行分割方法。首先,从已知分割结果的图像中选取一定数量的目标区域与非目标区域样本点作为支持向量机分类器的训练样本并训练支持向量机,然后利用训练好的支持向量机自动寻找种子点并进行区域增长,在区域增长过程中使用支持向量机分类器作为增长规则,最后,针对边缘和噪声像素点进行必要的后处理。测试实验获得了较好的分割效果和较快的分割速度且能实现自动分割,表明所提出的方法是可行有效的。; 关键词支持向量机(SVM) 区域增长 CT图像并行分割; Keywords Support vector machine Regional growth CT image Parallel segment; 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

题名融合图像局部能量和梯度的水平集分割方法被引量：2: 4; 作者包立君刘宛予浦昭邦; 机构哈尔滨工业大学hit-insa中法生物医学图像联合研究中心; 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2011年第3期44-48,共5页; 基金国家自然科学基金资助项目(60777004) 国家科技部重点国际合作项目(2007DFB30320); 文摘为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,其外部能量函数能加速零水平集向目标边界的运动,内部能量函数则推动零水平集离开平坦区域.该方法提高了水平集演化的速度和稳定性;通过调节水平集对不同强度边缘的敏感度,能够提取出弱边缘;而且不需要交互式操作.实验结果表明,该方法在分割灰度不均匀图像时,具有快速、准确和鲁棒性好的特点.; 关键词图像分割水平集方法局部拟合能量梯度敏感性自动初始化; Keywords image segmentation level set method region fitting energy gradient sensitivity automatic initialization; 分类号 TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名机器学习算法诊断PET/CT纵膈淋巴结性能评估被引量：7: 5; 作者王洪凯陈中华周纵苇李迎辞陆佩欧王文志刘宛予于丽娟; 机构大连理工大学生物医学工程系亚利桑那州立大学生物信息学院哈尔滨医科大学附属肿瘤医院哈尔滨工业大学hit-insa中法生物医学图像研究中心; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第4期788-797,共10页; 基金国家自然科学基金资助项目(61571076 81671771 +4 种基金 81171405) 大连理工大学星海学者人才培育计划资助项目(844307); 文摘评估4种主流典型的机器学习方法(随机森林、支持向量机、AdaBoost、反向传播人工神经网络)对(^(18 )F-FDG)PET/CT影像中非小细胞肺癌纵膈淋巴结良恶性进行诊断分类的性能.先从168例病人的PET/CT影像中分割出1 397个淋巴结,对每个淋巴结提取出13种图像特征(D_(short)、area、volume、HU_(mean)(2Dor 3D)、HU_(contrast)(2Dor3D)、SUV_(mean)(2Dor 3D)、SUV_(max)(2Dor 3D)、SUV_(std)(2Dor 3D));将提取出的13种图像特征进行组合,得到4种组合变量("All features"、"High AUC features"、"Doctors features"、"3Dfeatures");在4种组合变量下,分别从敏感性、特异性以及ROC曲线下的区域面积(AUC_(ROC))3个方面对随机森林、支持向量机、AdaBoost、反向传播人工神经网络定量地进行诊断性能评估.评估结果显示,4种分类器分割结果的敏感性为77%~84%,特异性为81%~84%,AUC_(ROC)为0.86~0.90.在显著性(p<0.001)条件下对比发现,虽然机器学习方法的特异性略低于人类专家,但是敏感性显著优于人类专家.研究结果表明,三维图像特征及PET/CT影像组合特征可以显著提高AUC_(ROC).基于上述研究结果可以得出结论,虽然4种机器学习方法在(^(18)F-FDG)PET/CT影像的非小细胞肺癌纵膈淋巴结的良恶性诊断中展现了不错的敏感性,但它们的特异性有待进一步提高,在未来需要尝试多种分类方法进行联合实验,使用更高级的机器学习方法如深度学习进行进一步的研究.; 关键词计算机辅助诊断纵膈淋巴结非小细胞肺癌正电子发射断层成像机器学习; Keywords computer-aided diagnosis mediastinal lymph node non-small cell lung cancer positron emission tomography machine learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名新的超声立体视觉数据增强技术: 6; 作者刘宛予唐志健朱跃敏刘文辉胡珊张延丽王丽会 I.E.Magnin; 机构哈尔滨工业大学hit-insa中法生物医学图像研究中心; 出处《光学精密工程》 EI CAS CSCD 北大核心 2008年第9期1759-1766,共8页; 基金国家自然科学基金资助项目(No.60777004) 科技部国际科技合作计划重大项目(No.2007DFB30320); 文摘针对超声成像噪声大、数据质量严重退化的特点,提出了一种新颖的非稳定度度量算法,该算法通过加强图像变化较大的部分来实现超声数据的增强。给出了输入信号信噪比不同情况下非稳定度算子与Deriche算子的输出仿真结果;通过兔子肝脏和12周胎儿的实际数据计算,得到了二者经非稳定度算子处理前后的超声立体视觉图像。研究结果表明,非稳定度数据增强技术对噪声不敏感,通过对比处理前后的图像可清晰地看出非稳定度算子能够有效地改善超声立体视觉成像的质量。; 关键词三维立体视觉超声成像技术立体视觉图像数据增强非稳定度; Keywords 3-Dimension stereovision ultrasonic imaging technology stereovision image data enhancement Non-Stationary Degree（NSD）; 分类号 Q-334 [生物学]; 在线阅读下载PDF 职称材料

题名基于模式识别方法的肺癌分型比较: 7; 作者刘露马俊雷李云董永庆刘宛予; 机构哈尔滨理工大学自动化学院哈尔滨工业大学hit-insa中法生物医学图像联合研究中心中国联合网络通信有限公司北京市分公司吉林省长白无线转播台; 出处《现代电子技术》 2010年第10期83-85,共3页; 基金国家自然科学基金项目(60777004) 黑龙江省教育厅科技计划项目(11531048) 哈尔滨市科技创新人才研究专项资金项目(2008RFQXS062); 文摘根据不同特征对分型准确率的影响,使用Logistic回归分析进行特征选择及优选实验研究,并采用神经网络和支持向量机方法对常见的周围型肺癌进行分型比较。通过实验,说明了神经网络和支持向量机在肺癌分型的应用方法,比较了两种模式识别方法在肺癌分型中的运用情况,验证了支持向量机在小样本情况下比神经网络具有更强的泛化能力。; 关键词肺癌分型支持向量机神经网络 LOGISTIC回归; Keywords lung cancer grouping support vector machine neural network Logistic regression; 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	胸部CT图像中孤立性肺结节良恶性快速分类	刘露刘宛予楚春雨吴军周洋张红霞鲍劼	《光学精密工程》 EI CAS CSCD 北大核心	2009	25	在线阅读下载PDF 职称材料
2	CT图像中肿大淋巴结肺癌转移分类方法	刘露刘宛予楚春雨吴军周洋张红霞鲍劼	《电子与信息学报》 EI CSCD 北大核心	2009	6	在线阅读下载PDF 职称材料
3	支持向量机与区域增长相结合的CT图像并行分割	刘露楚春雨马建为刘宛予	《计算机科学》 CSCD 北大核心	2010	5	在线阅读下载PDF 职称材料
4	融合图像局部能量和梯度的水平集分割方法	包立君刘宛予浦昭邦	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2011	2	在线阅读下载PDF 职称材料
5	机器学习算法诊断PET/CT纵膈淋巴结性能评估	王洪凯陈中华周纵苇李迎辞陆佩欧王文志刘宛予于丽娟	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2018	7	在线阅读下载PDF 职称材料
6	新的超声立体视觉数据增强技术	刘宛予唐志健朱跃敏刘文辉胡珊张延丽王丽会 I.E.Magnin	《光学精密工程》 EI CAS CSCD 北大核心	2008	0	在线阅读下载PDF 职称材料
7	基于模式识别方法的肺癌分型比较	刘露马俊雷李云董永庆刘宛予	《现代电子技术》	2010	0	在线阅读下载PDF 职称材料