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
深度学习脑肿瘤MRI图像分类研究进展
被引量：
5
1
作者
张恒
张赛
+2 位作者
孙佳伟
陆正大
倪昕晔
《磁共振成像》
CAS
CSCD
北大核心
2023年第1期166-171,193,共7页
大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI...
大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展。
展开更多
关键词
深度学习
脑肿瘤
图像分类
磁共振成像
人工智能
神经网络
在线阅读
下载PDF
职称材料
基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性
被引量：
1
2
作者
张钒
奚谦逸
+2 位作者
李奇轩
焦竹青
倪昕晔
《中国医学影像技术》
CSCD
北大核心
2023年第3期429-434,共6页
目的观察基于双次梯度联合改进Criminisi算法去除超声图像中人工标记并修复图像的可行性。方法选取30幅二维声像图,图中均包含十字、箭头和/或文字标记,以20幅无标记图像作为参考。算法由标记提取模块及图像恢复模块两个部分组成,前者...
目的观察基于双次梯度联合改进Criminisi算法去除超声图像中人工标记并修复图像的可行性。方法选取30幅二维声像图,图中均包含十字、箭头和/或文字标记,以20幅无标记图像作为参考。算法由标记提取模块及图像恢复模块两个部分组成,前者采用双次梯度最大连通面积方法,后者采用改进重加权Criminisi算法;以峰值信噪比(PSNR)和结构相似性(SSIM)作为指标评价修复图像的质量。结果基于双次梯度联合改进Criminisi算法可准确检出超声图像中的人工标记并生成掩模,用于去除标记、恢复图像。相比无标记图像,30幅超声图像提取的标记掩模的平均检测精度和平均错误发现率分别为0.96和0.63,修复图像的平均PSNR及SSIM分别为46.78 dB和0.99。结论基于双次梯度联合改进Criminisi算法可有效去除超声图像中的人工标记并修复图像。
展开更多
关键词
超声图像
标记提取
图像修复
在线阅读
下载PDF
职称材料
题名
深度学习脑肿瘤MRI图像分类研究进展
被引量：
5
1
作者
张恒
张赛
孙佳伟
陆正大
倪昕晔
机构
南京医科大学附属常州第二人民医院放疗科
江苏省医学物理工程研究中心
南京医科大学
医学
物理
研究
中心
常州市
医学
物理
重点实验室
出处
《磁共振成像》
CAS
CSCD
北大核心
2023年第1期166-171,193,共7页
基金
江苏省重点研发计划社会发展项目(编号:BE2022720)
江苏省卫健委面上项目(编号:M2020006)。
文摘
大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源,同时人工智能技术的发展促进深度学习应用水平不断提升,推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分,第一部分针对目前主流的深度学习MRI图像分类模型:卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先,阐述了各模型的历史沿袭、最初针对的问题及主要思想;其次,概括了模型的网络架构并探讨其在MRI图像分类上的最新应用;然后,分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素;第三部分提出了一些广泛使用的性能增强技术;文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制,并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较,以及各种深度学习模型的有效性,有望促进脑肿瘤研究的进展。
关键词
深度学习
脑肿瘤
图像分类
磁共振成像
人工智能
神经网络
Keywords
deep learning
brain tumor
image classification
magnetic resonance imaging
artificial intelligence
neural networks
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
基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性
被引量：
1
2
作者
张钒
奚谦逸
李奇轩
焦竹青
倪昕晔
机构
常州大学微电子与控制
工程
学院
南京医科大学附属常州第二人民医院放疗科
南京医科大学
医学
物理
研究
中心
江苏省医学物理工程研究中心
常州市
医学
物理
重点实验室
出处
《中国医学影像技术》
CSCD
北大核心
2023年第3期429-434,共6页
基金
江苏省重点研发计划社会发展项目(BE2022720)
江苏省卫生健康委医学科研立项面上项目(M2020006)。
文摘
目的观察基于双次梯度联合改进Criminisi算法去除超声图像中人工标记并修复图像的可行性。方法选取30幅二维声像图,图中均包含十字、箭头和/或文字标记,以20幅无标记图像作为参考。算法由标记提取模块及图像恢复模块两个部分组成,前者采用双次梯度最大连通面积方法,后者采用改进重加权Criminisi算法;以峰值信噪比(PSNR)和结构相似性(SSIM)作为指标评价修复图像的质量。结果基于双次梯度联合改进Criminisi算法可准确检出超声图像中的人工标记并生成掩模,用于去除标记、恢复图像。相比无标记图像,30幅超声图像提取的标记掩模的平均检测精度和平均错误发现率分别为0.96和0.63,修复图像的平均PSNR及SSIM分别为46.78 dB和0.99。结论基于双次梯度联合改进Criminisi算法可有效去除超声图像中的人工标记并修复图像。
关键词
超声图像
标记提取
图像修复
Keywords
ultrasound images
mark extraction
image restoration
分类号
R445.1 [医药卫生—影像医学与核医学]
TP751 [自动化与计算机技术—检测技术与自动化装置]
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
深度学习脑肿瘤MRI图像分类研究进展
张恒
张赛
孙佳伟
陆正大
倪昕晔
《磁共振成像》
CAS
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
2
基于双次梯度联合改进Criminisi算法去除超声图像中的人工标记并修复图像的可行性
张钒
奚谦逸
李奇轩
焦竹青
倪昕晔
《中国医学影像技术》
CSCD
北大核心
2023
1
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
