检索历史 清除

【中文期刊】 尹智贤 夏克文  等 《中国医学物理学杂志》 2024年41卷12期 1517-1531页 ISTICCSCD

【摘要】 提出一种融合上下文注意力的两段式生成对抗网络用于肺结节生成和分类.上下文注意力采用一种通道增强的多头上下文注意力机制,将通道注意力和多头上下文注意力结合,更好地处理特征图中的复杂语义关系,有效增强了模型的特征提取能力;两段式生成对抗网络框架...

【关键词】 肺结节生成； 上下文注意力； 生成对抗网络；

【中文期刊】 高学敏 杜晓刚  等 《陕西科技大学学报》 2024年42卷2期 189-197页

【摘要】 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,...

【关键词】 多器官分割； 多尺度聚合网络； 上下文信息；

【中文期刊】 王振华 刘阳星  等 《中国医学物理学杂志》 2023年40卷1期 47-53页 ISTICCSCD

【摘要】 青光眼为多发性眼底疾病,是致盲的主要原因之一.眼底图像来源广,质量参差不齐,且视盘区域具有多尺度性特征,融合上下文信息有利于准确分割多尺度视盘边界.以U-Net为基础,结合上下文信息和卷积注意力模块(CBAM),提出了一种改进的视盘分割模型...

【关键词】 视盘分割； 青光眼； 上下文信息；

【中文期刊】 孟延宗 李小霞  等 《中国医学物理学杂志》 2023年40卷8期 957-963页 ISTICCSCD

【摘要】 目的:针对食管早癌图像分割过程中病灶边缘等细节信息丢失的问题,在U-net基础上提出一种基于上下文特征感知和双频上采样的食管早癌图像分割网络.方法:利用注意力机制和可分离空洞卷积改进上下文特征感知模块,获取全文上下文信息,提取更多特征细节....

【关键词】 食管早癌； 上下文特征感知； 注意力机制；

【中文期刊】 李碧草 王晶  等 《中国医学物理学杂志》 2023年40卷4期 403-409页 ISTICCSCD

【摘要】 针对新型冠状病毒肺炎(COVID-19)分割问题中感染区域具有高变异性以及病灶与背景对比度低等问题,提出一种基于多尺度特征融合与反向注意力的COVID-19感染分割网络.首先,利用残差网络作为主干网络进行特征提取,并使用全局上下文聚合策略对...

【关键词】 COVID-19； 肺炎感染分割； 全局上下文聚合；

【中文期刊】 刘羽 吴蓉蓉  等 《中国图象图形学报》 2022年27卷10期 3082-3091页

【摘要】 目的 超声弹性成像技术已逐步应用于支气管淋巴结良恶性的诊断,帮助确定肺癌分期.在支气管超声弹性图像中,淋巴结区域的精确定位对诊断准确度具有重要影响,但通常依赖专业医师的手动分割,费时费力.为此,本文设计了一种注意力上下文编码器网络(atte...

【关键词】 超声弹性成像； 淋巴结分割； 深度学习；

【中文期刊】 赵俊强 李骥  等 《中国测试》 2022年48卷9期 118-124页

【摘要】 为提高肺结节分割的精度,解决分割过程中的隐识别问题,该文提出双注意力生成对抗网络(double-attention?generative?adversarial?network,?DA-GAN),通过在训练过程中捕捉信息的上下文依赖性和局部...

【关键词】 肺结节分割； 自注意力机制； 生成对抗网络；

【中文期刊】 邓健志 郭永平  等 《中华眼底病杂志》 2024年40卷7期 518-525页 ISTICPKUCSCDCA

【摘要】 目的:探索基于深度学习方法自动分割彩色眼底图像上糖尿病患者视网膜渗出特征的可行性。方法:应用研究。基于印度糖尿病视网膜病变图像数据集（IDRID）模型的U型网络，将深度残差卷积引入到编码和解码阶段，使其能够有效提取渗出深度特征，解决过拟合和...

【关键词】 眼底渗出分割； U型网络； 残差结构；

【中文期刊】 陈格 李翔  《北京生物医学工程》 2024年43卷2期 165-170页 ISTIC

【摘要】 目的 甲状腺结节的精准分割在医学影像处理中具有重要意义,然而,超声图像中的结节通常具有尺寸多变和边缘模糊的特点,这为其准确分割带来了挑战.为有效应对这一挑战,本文提出了一种结合卷积神经网络(convolutional neural netw...

【关键词】 甲状腺结节； 超声图像分割； 深度学习；

【中文期刊】 李盛青 苏前敏  等 《中国医学物理学杂志》 2024年41卷1期 125-132页 ISTICCSCD

【摘要】 目的:提出一种基于BioBERT预训练模型的纳排标准命名实体识别方法(BioBERT-Att-BiLSTM-CRF),可自动提取临床试验相关信息,为高效制定纳排标准提供帮助.方法:结合UMLS医学语义网络和专家定义方式,制定医学实体标注规则...

【关键词】 纳排标准； 命名实体识别； 双向长短期记忆网络；