检索历史 清除

【中文期刊】 田秋红 李翔  等 《生物医学工程研究》 2024年43卷4期 302-309,315页 ISTIC

【摘要】 为充分利用多模态医学影像间的关联性和互补性,精准分割脑肿瘤区域及评估预后效果,本研究提出一种基于残差孪生网络的多模态脑肿瘤三维分割模型.首先,利用残差孪生编码挖掘不同模态数据间的关联细节语义信息,并在编码路径间加入级联结构,优化层次间信息交...

【关键词】 孪生网络； 特征融合； 多模态图像；

【中文期刊】 邹祥 王瑜  等 《中国医学物理学杂志》 2024年41卷5期 563-570页 ISTICCSCD

【摘要】 深度学习在医学图像分割领域取得了显著成果,但其在脑肿瘤分割任务中,仍面临感受野不足、冗余信息过多、信息丢失等问题;为此,本研究提出一种基于编-解码结构的脑肿瘤分割网络模型(EAU-Net).EAU-Net采用有效感受野拓展模块和注意力融合模...

【关键词】 脑肿瘤分割； EAU-Net； 有效感受野拓展模块；

【中文期刊】 刘遵雄 陈子涵  等 《中国医学物理学杂志》 2024年41卷7期 828-835页 ISTICCSCD

【摘要】 针对脑瘤图像分割网络的跳跃连接引起的语义特征传递不平衡,以及多尺度特征关联不足,导致细节特征丢失,从而造成对细小目标肿瘤的分割精度不佳的问题,提出一种改进的Res-Unet框架的分割模型.该模型引入多尺度注意力融合模块,通过混合多尺度特征使...

【关键词】 脑肿瘤； 图像分割； 注意力机制；

【中文期刊】 李志刚 张艺荣  《现代电子技术》 2024年47卷17期 47-52页

【摘要】 为了增强脑肿瘤图像分割算法的泛化能力,提出一种融合共享Net的跨模态分割框架.该框架包括风格转换、跨域训练和自适应判别三个阶段.首先,采用贝塞尔曲线进行域变换,从多种与源域灰度不同的图像去模拟不可见的目标域;其次,构建基于轻量级尺度注意力模...

【关键词】 U-Net； 医学图像分割； 脑肿瘤；

【中文期刊】 孙康康 陈伟  等 《磁共振成像》 2023年14卷11期 164-169,176页 ISTICPKUCSCDCA

【摘要】 MRI是一种非侵入性多模态成像方法,广泛应用于脑肿瘤检测和诊断.多模态MRI脑肿瘤图像分割对脑肿瘤的诊断和治疗具有重要意义.目前大部分分割工作还是由医生手动完成,效率低且主观性强,因此寻求一种高效准确的脑肿瘤自动分割方法对临床应用至关重要....

【关键词】 磁共振成像； 脑肿瘤； 多模态；

【中文期刊】 段逸凡 肖洪兵  等 《中国医学物理学杂志》 2023年40卷9期 1121-1126页 ISTICCSCD

【摘要】 准确、完整地定位和分割脑肿瘤对脑胶质瘤患者的存活率以及治疗方案的确定起着决定性作用.在三维核磁共振影像(MRI)中,生成准确的注释需要大量的专业知识和时间成本,使用少量有标签数据与大量无标签数据进行半监督学习更加符合实际的临床场景与需求.为...

【关键词】 三维卷积神经网络； 通道注意力； 半监督学习；

【中文期刊】 褚张晴晴 钟志强  等 《计算机工程》 2023年49卷10期 154-161页

【摘要】 脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义.U-Net作为脑肿瘤分割领域应用最广泛的网络,具有较优的性能,但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题.为对脑肿瘤各区域进行准确分割,...

【关键词】 脑肿瘤； U-Net模型； 特征融合；

【中文期刊】 刘鹏 刘伟峰  等 《生命科学仪器》 2023年21卷3期 12-18页

【摘要】 对脑肿瘤图像的准确分割可以确定其外观与位置信息,这对早期诊断与治疗具有重要意义,但目前临床主要还是使用人工手段进行标注,这导致效率低下以及因为人的不同导致标注结果有差异等问题.深度学习方法目前已广泛应用到脑肿瘤图像分割中,通过设计神经网络结...

【关键词】 脑肿瘤图像分割； 深度学习； 早期诊断；

【中文期刊】 张本健 林辉  等 《合肥工业大学学报（自然科学版）》 2023年46卷8期 1070-1078页

【摘要】 文章基于全卷积神经网络(fully convolutional network,FCN)的 U-net 网络,并通过对 U-net 网络的调整,构建适用于脑肿瘤图像分割的 U1-net网络.U1-net网络由卷积层、最大池化层、反卷积层和激...

【关键词】 深度学习(DL)； 全卷积神经网络(FCN)； U1-net网络；

【中文期刊】 周锋  《数码设计》 2023年22期 71-73页

【摘要】 脑肿瘤是一种严重威胁人类健康的疾病,准确而快速进行脑肿瘤分割对于临床诊断、治疗规划和疾病监测至关重要.随着深度学习技术的迅猛发展,基于深度学习的脑肿瘤图像分割算法成为当前研究的热点和前沿领域.这些算法通过自动学习和表征图像特征的能力,实现了...

【关键词】 深度学习； 数据集； 脑肿瘤；