检索历史 清除

【中文期刊】 徐皓 田振宇  等 《计算机与现代化》 2023年6期 21-26页

【摘要】 新型冠状病毒感染早期感染表现为肺浑浊程度和密度增加等特征,为了解决早期患者电子计算机断层扫描(Com-puted Tomogra,CT)诊断与肺部病灶定位困难这一问题,提出一种ResNeXt和改进型nnU-Net(no-new-Net)的C...

【关键词】 ResNeXt； 改进型nnU-Net； 新冠感染早期诊断；

【中文期刊】 赵宸 帅仁俊  等 《计算机工程与应用》 2022年58卷18期 111-121页

【摘要】 针对以黑色素瘤为代表的皮肤癌分类任务存在数据集各类样本数量、权重不均衡,且现有的对抗生成网络生成的皮肤癌样本图像质量较差导致临床诊断时难以分辨等问题,提出了一种基于自注意力的样式生成对抗网络(Self-Attention StyleGAN)...

【关键词】 黑色素瘤； 皮肤癌病变图像生成与分类； ResNeXt；

【中文期刊】 罗旭东 李宗桂  等 《计算机工程与应用》 2022年58卷13期 272-279页

【摘要】 重楼是多种中成药的重要原料药材,重楼属植物不同品种药材的形状相似而品质不一,难以鉴别.针对该问题,通过体视显微镜采集滇重楼及毛重楼的新鲜根茎横切面显微图像进行鉴别.基于ResNeXt101模型,提出了结合高效通道注意力网络与空间注意力机制的...

【关键词】 重楼； 深度学习； 注意力机制；

【中文期刊】 李文婷 王丽  等 《中国防痨杂志》 2024年46卷10期 1236-1242页 ISTICPKUCSCDCA

【摘要】 目的:基于胸部CT影像,采用多种深度学习网络构建肺结核与非结核分枝杆菌肺病的二分类模型,并评估这些模型在两种疾病间的鉴别诊断效能.方法:对2019年10月至2022年12月在同济大学附属上海市肺科医院结核科确诊为肺结核和非结核分枝杆菌肺病患...

【关键词】 分枝杆菌感染； 人工智能； 体层摄影术,X线计算机；

【中文期刊】 刁亚茹 鲁婷  等 《中国法医学杂志》 2023年38卷6期 628-632页 ISTICCSCD

【摘要】 目的 利用深度学习方法对第1～7对成人肋软骨CT重建图像进行特征提取,实现成人肋软骨骨龄的自动化推断.方法 回顾性收集年龄在20岁～70岁之间的男性和女性样本各625例,并通过容积再现技术(VRT)得到对应的VRT图像.通过图像预处理和数据...

【关键词】 法医人类学； 骨龄； 深度学习；

【中文期刊】 姜林奇 宁春玉  等 《中国光学》 2022年15卷6期 1339-1349页

【摘要】 针对脑肿瘤良恶性分类过程复杂、分类准确率不高等问题,提出了一种基于多尺度特征与通道特征融合的分类模型.该模型以ResNeXt网络为主干网络,首先,将基于空洞卷积的多尺度特征提取模块代替第一层卷积层,利用膨胀率获取不同感受野的图像信息,将全局...

【关键词】 脑肿瘤； 多尺度特征； 通道注意力机制；

【中文期刊】 杨柳 杨勇  等 《科学技术与工程》 2022年22卷25期 11105-11112页

【摘要】 基于深度学习的肺结节检测技术不断发展,在辅助医生进行肺结节检查的任务中极大提升了肺结节的检出率和诊断的准确率.采用深度学习技术,提出了一种基于区域建议网络(region proposal network,RPN)结构的肺结节检测方法.针对肺...

【关键词】 多尺度网络； 肺结节检测； Faster R-CNN网络；

【外文期刊】 Lin, Chengchuang ; Zhao, Gansen ; 等 《Medical image analysis》 2021年69卷 SCISCIEMEDLINE

【关键词】 Chromosome cluster classification; Medical image classification; Chromosome segmentation;

【外文期刊】 Zhao, Chen ; Shuai, Renjun ; 等 《Medical and Biological Engineering and Computing: Journal of the International Federation for Medical and Biological Engineering》 2021年59卷9期 1815-1832页 SCISCIEMEDLINE

【关键词】 ResNeXt; U-Net plus; Melanoma;

【外文期刊】 Zhaohua,Wang ; Yingxue,Tao ; 等 《Sensors (Basel, Switzerland)》 2023年23卷17期 SCIMEDLINE

【关键词】 CBAM; ResNeXt50 model; fault detection;