-
题名用于多器官分割的多尺度聚合网络研究
- 1
-
-
作者
高学敏
杜晓刚
张学军
王营博
雷涛
-
机构
陕西科技大学陕西省人工智能联合实验室电子信息与人工智能学院
兰州交通大学电子与信息工程学院
-
出处
《陕西科技大学学报》
北大核心
2024年第2期189-197,共9页
-
基金
国家自然科学基金项目(61861024、62271296、62201334)
甘肃省自然科学基金项目(21JR7RA282)
陕西省教育厅科研计划项目(23JP022,23JP014)。
-
文摘
多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先,设计了多尺度边界提取模块,使用多尺度卷积核提取多个特征图,将不同尺度的特征图互相结合,从而聚合全局上下文信息,并提取不同器官的边界和细节信息;其次,设计了聚焦式注意力模块,通过学习的注意力权重来调节特征图的重要性,从而聚焦感兴趣的多器官区域并捕捉不同器官的关键特征,进一步提高分割性能.在两个公开数据集CHAOS和MS-CMRSeg上进行了大量实验.实验结果表明:MSANet在两个数据集上的分割效果均优于当前主流的多器官分割方法,显著提高了多器官分割精度.
-
关键词
多器官分割
多尺度聚合网络
上下文信息
注意力机制
-
Keywords
multi-organ segmentation
multi-scale aggregation network
context information
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
R318
[医药卫生—生物医学工程]
-
-
题名基于YOLO-ST的安全帽佩戴精确检测算法
被引量：4
- 2
-
-
作者
杜晓刚
王玉琪
晏润冰
古东鑫
张学军
雷涛
-
机构
陕西科技大学陕西省人工智能联合实验室电子信息与人工智能学院
陕西科技大学机电工程学院
兰州交通大学电子与信息工程学院
-
出处
《陕西科技大学学报》
北大核心
2022年第6期177-183,191,共8页
-
基金
国家自然科学基金项目(61861024,61871259,62271296)
甘肃省自然科学基金项目(20JR5RA404,21JR7RA282)
+3 种基金
陕西省杰出青年科学基金项目(2021JC-47)
陕西省重点研发计划项目(2021ZDLGY08-07,2022GY-436)
陕西省创新能力支撑计划项目(2020SS-03)
陕西省自然科学基础研究计划项目(2022JQ-018,2022JQ-175)。
-
文摘
在建筑业、工地等场景下,由于受到天气、人数、光照强度、拍摄角度和距离等因素的影响,导致在安全帽智能检测时容易出现准确度低、漏检率大、错检率高的问题.为了解决该问题,提出了一种基于YOLO-ST的安全帽佩戴检测算法.该算法具有两个优势:首先,使用更容易捕获图像全局信息的Swin Transformer作为网络的特征提取器,增强网络对安全帽特征的提取能力;其次,设计密集的空间金字塔池化模块并引入到YOLO-ST中,以获取目标中更加丰富的细节信息.实验结果表明,在公开的SHWD数据集上,YOLO-ST的平均识别精度达到了91.3%.与其它方法相比,YOLO-ST取得了更精确的检测结果.
-
关键词
YOLOv5
目标检测
Swin
Transformer
密集的空间金字塔池化(DSPP)
-
Keywords
YOLOv5
object detection
Swin Transformer
DSPP
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
