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
Transformer在脑肿瘤MRI图像分割中的研究进展
1
作者
陈雷
李光宇
+2 位作者
杨锋
蔡婧欣
高梦谣
《磁共振成像》
北大核心
2025年第8期181-187,200,共8页
脑肿瘤精准分割至关重要,但传统卷积神经网络因局部感受野限制难以建模磁共振成像(magnetic resonance imaging,MRI)中的长距离依赖,影响对异质性高、边界模糊肿瘤的分割精度。Transformer凭借全局自注意力机制为此提供了新思路。本文...
脑肿瘤精准分割至关重要,但传统卷积神经网络因局部感受野限制难以建模磁共振成像(magnetic resonance imaging,MRI)中的长距离依赖,影响对异质性高、边界模糊肿瘤的分割精度。Transformer凭借全局自注意力机制为此提供了新思路。本文综述了Transformer在脑肿瘤MRI分割中的进展,重点分析了Transformer模型在层次化注意力、编解码结构、残差连接等关键技术上的改进,探讨了多模态融合、模态缺失应对、轻量化设计及注意力机制本身的创新策略;尽管Transformer显著提升了精度,仍面临数据稀缺、模态缺失鲁棒性、类别不平衡、计算成本高和可解释性不足等挑战,未来需聚焦数据高效利用、模态弹性建模、拓扑感知优化、轻量化与可解释性增强等方向。本文系统梳理了Transfomer在脑肿瘤MRI图像分割领域的研究现状,总结了目前研究的局限性并指出未来的研究方向,本文旨在为深入理解其技术演进、核心挑战与发展方向提供系统性参考。
展开更多
关键词
Transformer模型
脑肿瘤分割
磁共振成像
多模态
注意力机制
轻量化设计
在线阅读
下载PDF
职称材料
深度残差网络在脑肿瘤MRI分类上的研究进展
2
作者
李光宇
杨锋
+1 位作者
张智悦
陈雷
《磁共振成像》
北大核心
2025年第3期143-149,161,共8页
脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来...
脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来,深度学习技术的迅猛发展为医学影像分析领域开辟了新的途径,深度残差网络(ResNet)及其衍生变体在图像分类任务中展现出了卓越的性能,为脑肿瘤MRI分类带来了新的突破。本文深入探讨了基于深度残差网络的网络模型在脑肿瘤MRI分类中的优化策略,首先介绍了深度残差网络的发展,随后详细地分析了当前深度残差网络及其衍生变体在脑肿瘤磁共振图像上的应用。最后,指出了该领域目前面临的挑战,并对未来的研究方向进行了展望,旨在为相关研究提供全面的参考和思路,推动深度残差网络在脑肿瘤MRI分类中的进一步发展和应用,从而提高脑肿瘤诊断的准确性和效率,为临床治疗提供更有力的支持。
展开更多
关键词
深度残差网络
脑肿瘤
磁共振成像
图像分类
注意力机制
迁移学习
在线阅读
下载PDF
职称材料
深度学习的目标检测算法改进综述
被引量：
50
3
作者
杨锋
丁之桐
+1 位作者
邢蒙蒙
丁波
《计算机工程与应用》
CSCD
北大核心
2023年第11期1-15,共15页
目标检测是当下计算机视觉领域的研究热点,随着深度学习的发展,基于深度学习的目标检测算法的应用越来越多,性能也不断被提升,通过总结目标检测过程中遇到的常见难题以及相应的改进方法,梳理了基于深度学习的目标检测方法的最新研究进展...
目标检测是当下计算机视觉领域的研究热点,随着深度学习的发展,基于深度学习的目标检测算法的应用越来越多,性能也不断被提升,通过总结目标检测过程中遇到的常见难题以及相应的改进方法,梳理了基于深度学习的目标检测方法的最新研究进展,重点针对基于深度学习目标检测算法的两大类型进行综述。此外还从注意力机制、轻量型网络、多尺度检测等方面对目标检测算法的最新改进思路进行总结梳理。针对当前目标检测领域存在的问题,对其未来的发展趋势进行展望,并提出可行的解决方案,以期为该领域后续的研究工作提供可借鉴的思路和方向。
展开更多
关键词
目标检测
深度学习
计算机视觉
注意力机制
多尺度检测
在线阅读
下载PDF
职称材料
题名
Transformer在脑肿瘤MRI图像分割中的研究进展
1
作者
陈雷
李光宇
杨锋
蔡婧欣
高梦谣
机构
山东中医药大学附属医院资产设备处
山东
中医药大学
医学信息工程学院
出处
《磁共振成像》
北大核心
2025年第8期181-187,200,共8页
文摘
脑肿瘤精准分割至关重要,但传统卷积神经网络因局部感受野限制难以建模磁共振成像(magnetic resonance imaging,MRI)中的长距离依赖,影响对异质性高、边界模糊肿瘤的分割精度。Transformer凭借全局自注意力机制为此提供了新思路。本文综述了Transformer在脑肿瘤MRI分割中的进展,重点分析了Transformer模型在层次化注意力、编解码结构、残差连接等关键技术上的改进,探讨了多模态融合、模态缺失应对、轻量化设计及注意力机制本身的创新策略;尽管Transformer显著提升了精度,仍面临数据稀缺、模态缺失鲁棒性、类别不平衡、计算成本高和可解释性不足等挑战,未来需聚焦数据高效利用、模态弹性建模、拓扑感知优化、轻量化与可解释性增强等方向。本文系统梳理了Transfomer在脑肿瘤MRI图像分割领域的研究现状,总结了目前研究的局限性并指出未来的研究方向,本文旨在为深入理解其技术演进、核心挑战与发展方向提供系统性参考。
关键词
Transformer模型
脑肿瘤分割
磁共振成像
多模态
注意力机制
轻量化设计
Keywords
Transformer model
segmentation of brain tumors
magnetic resonance imaging
multimodal
attention mechanism
lightweight design
分类号
R445.2 [医药卫生—影像医学与核医学]
R739.41 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
深度残差网络在脑肿瘤MRI分类上的研究进展
2
作者
李光宇
杨锋
张智悦
陈雷
机构
山东
中医药大学
医学信息工程学院
山东中医药大学附属医院资产设备处
出处
《磁共振成像》
北大核心
2025年第3期143-149,161,共8页
文摘
脑肿瘤作为一组在人脑内部或周围异常增殖的组织,其生长可能导致严重的神经功能障碍,对患者的生活质量和生命安全构成重大威胁。因此,准确地对脑肿瘤进行分类,对于制订针对性的治疗方案和评估患者的预后情况具有至关重要的意义。近年来,深度学习技术的迅猛发展为医学影像分析领域开辟了新的途径,深度残差网络(ResNet)及其衍生变体在图像分类任务中展现出了卓越的性能,为脑肿瘤MRI分类带来了新的突破。本文深入探讨了基于深度残差网络的网络模型在脑肿瘤MRI分类中的优化策略,首先介绍了深度残差网络的发展,随后详细地分析了当前深度残差网络及其衍生变体在脑肿瘤磁共振图像上的应用。最后,指出了该领域目前面临的挑战,并对未来的研究方向进行了展望,旨在为相关研究提供全面的参考和思路,推动深度残差网络在脑肿瘤MRI分类中的进一步发展和应用,从而提高脑肿瘤诊断的准确性和效率,为临床治疗提供更有力的支持。
关键词
深度残差网络
脑肿瘤
磁共振成像
图像分类
注意力机制
迁移学习
Keywords
deep residual network
brain tumor
magnetic resonance imaging
image classification
attentional mechanisms
transfer learning
分类号
R445.2 [医药卫生—影像医学与核医学]
R739.4 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
深度学习的目标检测算法改进综述
被引量：
50
3
作者
杨锋
丁之桐
邢蒙蒙
丁波
机构
山东中医药大学附属医院资产设备处
山东
中医药大学
中医
学院
中国康复研究中心医工科
出处
《计算机工程与应用》
CSCD
北大核心
2023年第11期1-15,共15页
基金
国家自然科学基金面上项目(81973981)
教育部高等教育司产学合作协同育人项目(202002216003)。
文摘
目标检测是当下计算机视觉领域的研究热点,随着深度学习的发展,基于深度学习的目标检测算法的应用越来越多,性能也不断被提升,通过总结目标检测过程中遇到的常见难题以及相应的改进方法,梳理了基于深度学习的目标检测方法的最新研究进展,重点针对基于深度学习目标检测算法的两大类型进行综述。此外还从注意力机制、轻量型网络、多尺度检测等方面对目标检测算法的最新改进思路进行总结梳理。针对当前目标检测领域存在的问题,对其未来的发展趋势进行展望,并提出可行的解决方案,以期为该领域后续的研究工作提供可借鉴的思路和方向。
关键词
目标检测
深度学习
计算机视觉
注意力机制
多尺度检测
Keywords
object detection
deep learning
computer vision
attention mechanism
multi-scale detection
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
Transformer在脑肿瘤MRI图像分割中的研究进展
陈雷
李光宇
杨锋
蔡婧欣
高梦谣
《磁共振成像》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
深度残差网络在脑肿瘤MRI分类上的研究进展
李光宇
杨锋
张智悦
陈雷
《磁共振成像》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
深度学习的目标检测算法改进综述
杨锋
丁之桐
邢蒙蒙
丁波
《计算机工程与应用》
CSCD
北大核心
2023
50
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
