检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 机械工程
- 1 篇 生物医学工程（可授...
- 1 篇 生物工程

主题

1 篇 不准确标签学习
1 篇 多头模型
1 篇 医学图像回归
1 篇 概率扩散模型
1 篇 不确定性估计
1 篇 标签分布学习
1 篇 医学图像分割

机构

1 篇 哈尔滨工业大学

作者

1 篇 李向宇

语言

1 篇 中文

检索条件"主题词=不准确标签学习"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于不准确标签学习的医学图像分析方法研究

基于不准确标签学习的医学图像分析方法研究

引用

作者：李向宇哈尔滨工业大学

学位级别：博士

医学图像分析技术通过对医学图像进行自动化的处理和分析,在临床上扮演着越来越重要的角色。基于深度学习的医学图像分析方法相比其他传统方法由于其在准确性和效率方面的显著提升,已逐渐成为医学图像分析领域的主流。然而,由于人工标... 详细信息

医学图像分析技术通过对医学图像进行自动化的处理和分析,在临床上扮演着越来越重要的角色。基于深度学习的医学图像分析方法相比其他传统方法由于其在准确性和效率方面的显著提升,已逐渐成为医学图像分析领域的主流。然而,由于人工标注的主观性、多标注者的不一致性以及医学图像自身的模糊性等因素,导致医学图像分析中的标签往往是不准确的。这种标签不准确性使得医学图像分析算法无法获得精确的定量分析的结果,进而难以准确地了解病变的性质、大小和位置,最终导致误诊和漏诊。因此,本研究聚焦于解决标签不准确情况下的医学图像分析问题。具体分为两个主要方向:一是学习标签的概率分布,二是学习给定条件下的输出分布。在学习标签概率分布方面,针对医学图像回归任务中的不准确标签问题,通过构造标签分布建模标签的不准确性,并深入研究了基于自集成标签分布学习的肿瘤密度估计方法;针对医学图像分割任务中的边界标签不准确问题,联合课程学习方法与标签分布学习方法,研究了基于课程标签分布学习的医学图像分割方法。在学习给定条件下的输出分布方面,从多头输出模型与概率生成模型的角度,通过生成多个合理输出结果学习输出分布,深入研究了基于上下文引导的分割标签分布学习方法以及基于残差扩散模型的分割标签分布学习方法。具体研究工作如下: (1)针对标签分布学习在建模标注者间差异中输出缺乏多样性以及难以准确预测标签分布的问题,本文提出了一种自集成标签分布学习方法。该方法通过融合高斯隐空间采样与注意力机制有效地建模了多个标注者的标注过程,提升了输出的多样性,从而更好地建模不准确标签的来源,进而实现了不准确标签情况下更优的标签分布学习。此外,本文还提出了一种分布约束损失函数,通过在训练过程中加入均值回归约束和单峰分布约束,解决了标签分布学习的目标不匹配与多峰预测问题,进而显著改善标签分布学习的效果。通过在乳腺肿瘤密度估计任务上进行消融实验和对比实验,验证了提出方法的有效性。 (2)针对基于标签分布学习的医学图像分割中存在的标签分布不均衡问题,本文提出了一种课程标签分布学习方法。该方法通过将分割任务转化为多个不同难度的标签分布学习任务,在课程学习的范式下促进了更平衡的标签分布学习,进而实现了标签不准确的情况下的更优的模型学习。设计了一种区域分布学习策略,通过区域频率统计构建区域标签分布,从而降低了标签分布的输出空间维度,并促进了更均衡的数据采样。设计了一种面向任务的学习课程,通过将分割任务分解为多个标签分布估计任务,解决了标签分布学习任务中难以定义容易困难样本的问题。最后,设计了一个先验感知模块,通过在不同学习阶段之间传递区域分布和边界先验,解决了课程学习框架中不同阶段之间缺乏联系的问题。通过在多个医学图像分割任务上进行消融实验和对比实验,验证了提出方法的有效性。 (3)针对当前多头输出方法在医学图像分割标签分布建模任务中无法保证多头输出结果合理性问题,本文提出了一种基于上下文信息引导的分割标签分布学习方法。该方法利用医学图像的空间上下文信息指导多头输出生成,提升了多头输出结果的可信度,有效地建模了标签分布,进而解决了由于图像边界模糊带来的标签不准确问题。提出的切片映射模块通过建模医学体数据中相邻切片之间的变化,实现了相邻切片之间的映射,充分利用了图像中的空间上下文信息。设计了一种不确定性估计方法评估多头输出结果的可信度,与现有的不确定性估计方法相比,该方法只需单次推断即可实现不确定性估计,提高了推断效率并获得了更好的模型校准结果。通过在医学图像分割任务上进行消融实验和对比实验,验证了基于上下文感知的多头模型的有效性。 (4)针对基于概率扩散模型的医学图像分割标签分布建模中存在的训练困难与模型校准差的问题,本文提出了一种基于残差扩散模型的分割标签分布学习方法。该方法通过在概率扩散模型中学习真实标签与扩散先验之间的残差,促进了概率扩散模型的训练优化并提升了模型校准性能;设计的深度扩散监督模块通过在概率扩散模型的中间步骤中加入深度监督,进一步优化了训练过程并促进模型的学习。通过在多个医学图像分割任务上进行消融实验和对比实验,验证了残差扩散模型的有效性。综上所述,本文从具体问题出发,结合神经网络设计和目标任务的特性,以及面临的各种挑战,提出了多种基于不准确标签的医学图像分析方法,并通过大量的实验证明了本文提出方法的有效性。

关键词：不准确标签学习医学图像分割不确定性估计医学图像回归标签分布学习概率扩散模型多头模型

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：