检索历史 清除

【中文期刊】 王量弘 蔡冰洁  等 《福建医药杂志》 2024年46卷1期 1-4页 CA

【摘要】 目的 采用人工智能技术提出一种模型,以对房颤进行早期预防和诊断.方法 提出一种基于卷积神经网络(convolutional neural network,CNN)与通道和空间注意力 机制(convolutional block attent...

【关键词】 心电信号； 房颤； 卷积神经网络；

【中文期刊】 JIANG Rui ZHU Ruixiang  等 《上海交通大学学报（英文版）》 2023年28卷3期 360-369页

【摘要】 Moving object segmentation(MOS)is one of the essential functions of the vision system of all robots,including medical ro...

【关键词】 human-computer interaction； moving object segmentation； foreground segmentation network；

【中文期刊】 王豪 廖云朋  等 《生物医学工程研究》 2024年43卷3期 207-213页 ISTIC

【摘要】 为从心电图(electrocardiogram,ECG)中准确识别心拍,本研究提出了一种融合残差连接与注意力机制的改进一维U-Net语义分割模型,使用从上万名患者远程动态ECG记录中截取的 148 340 条单导联ECG数据,对正常窦性心律...

【关键词】 心拍分类； U-Net； 语义分割；

【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】 蔡玉 唐奇伶  等 《中国生物医学工程学报》 2023年42卷6期 687-697页 ISTICPKUCSCDCA

【摘要】 统计乳腺癌组织学图像中有丝分裂细胞的数量是乳腺癌分级和预后的重要诊断依据.目前有丝分裂细胞计数主要由病理学家手工进行,是一项费时费力的任务.为解决这一具有挑战性的有丝分裂细胞检测问题,本研究提出了一种从局部到区域分层的乳腺癌病理学图像有丝分...

【关键词】 有丝分裂检测； 深监督； 图像块学习；

【中文期刊】 温帆 杨萍  等 《中国医学物理学杂志》 2023年40卷11期 1343-1349页 ISTICCSCD

【摘要】 针对肺结节尺度差异大、边界纹理不清晰、背景干扰严重导致的肺结节分割不精确的问题,以3D U-Net为基础,引入Transformer结构,设计一种基于特征增强的多分支U-Net肺结节分割算法.Transformer从全局角度提取肺结节及周边...

【关键词】 肺结节； 3D U-Net； Transformer；

【中文期刊】 刘侠 吕志伟  等 《电子与信息学报》 2023年45卷5期 1774-1785页

【摘要】 针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络.该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力,同时融入...

【关键词】 乳腺肿瘤分割； 多尺度残差块； 双域注意力；

【中文期刊】 刘波 李小霞  等 《计算机工程》 2023年49卷7期 313-320页

【摘要】 食管内镜图像多类癌前病变区域的类间特征差异小且个体差异大,难以实现高精度分割,使用自注意力机制可提取远距离依赖信息以获取判别性特征,但是计算开销大.为此,提出一种全局相关块级自注意力(GC-BLSA)方法,用于食管癌前病变区域分割.利用块级...

【关键词】 块级自注意力； 块相关机制； 相对位置偏移；

【中文期刊】 钟侠骄 张绍兵  等 《计算机应用》 2023年43卷z1期 269-275页

【摘要】 针对PointNet局部特征聚合不充分、保存模型较大、识别精度有待提升等问题,在三维(3D)点云牙颌身份的识别任务中,采用RandLA-Net的编码结构作为主干网络;在分割任务中采用原始RandLA-Net作为主干网络.针对RandLA-N...

【关键词】 深度学习； RandLA-Net； 点云；

【中文期刊】 王珊珊 朱威  等 《陕西科技大学学报》 2023年41卷4期 173-179页

【摘要】 为了解决肝硬化病理图像分类准确率低的问题,基于复合卷积神经网络提出了一种更准确的对肝硬化病理图像分类的深度学习模型EMobileNet.EMobileNet是在Efficient-NetV2网络的基础上,插入可分离自注意力模块MobileV...

【关键词】 肝硬化； EMobileNet； 可分离自注意力；