检索结果-内蒙古大学图书馆

作者：赵汇文北京工业大学

学位级别：硕士

神经网络架构搜索是自动化机器学习的重要组成部分,旨在实现神经网络的自动化建模。在众多搜索方法中,可微分架构搜索由于其高效性得到了广泛关注。可微分架构搜索将搜索空间连续可微化,并利用优化算法实现离散架构的搜索,因此其搜索过... 详细信息

神经网络架构搜索是自动化机器学习的重要组成部分,旨在实现神经网络的自动化建模。在众多搜索方法中,可微分架构搜索由于其高效性得到了广泛关注。可微分架构搜索将搜索空间连续可微化,并利用优化算法实现离散架构的搜索,因此其搜索过程本质上是优化过程。本文主要研究可微分架构搜索中的优化问题。首先,本文猜想可微分架构搜索中的局部极小值是普遍性存在的。本文通过可微分架构搜索的优化轨迹和收敛位置的局部损失景观(Loss Landscape)验证了猜想,说明了可微分架构搜索的固有缺陷,即架构参数不能作为选择候选架构的合理依据。然后,本文针对固有缺陷给出了启发式的改善方法,提出了一种基于贪心微调的可微分架构搜索,有效地避免了局部极小值的普遍性存在对搜索结果的直接影响。最后,本文从优化的角度分析了可微分架构搜索的另一个常见问题,即跳跃连接在混合操作中占据主导位置,并从理论层面解释了产生问题的原因。本文的主要研究内容如下: 1.验证了可微分架构搜索中局部极小值的普遍性存在。首先,根据优化过程中的损失变化情况和收敛位置的损失景观,验证了可微分架构搜索的收敛性。然后,通过扰动优化过程中的初始位置,并对扰动前后的优化轨迹和损失景观进行可视化实验,根据实验结果验证了局部极小值的普遍性存在。最后通过可视化架构参数在优化过程中的变化轨迹,说明了局部极小值的普遍存在导致架构参数的变化轨迹和收敛位置变得相对随机,因此可微分架构搜索利用架构参数选择候选架构的方案不够合理; 2.提出了一种基于贪心微调的可微分架构搜索方法。由于架构参数不能作为选择候选架构的合理依据,本文根据Re LU神经网络是分段线性拟合的特点,提出了一种基于贪心微调的架构选择方法。在可微分架构搜索的基础上,利用该方法代替架构参数进行候选架构的选择,在很大程度上避免了局部极小值的普遍存在对搜索结果的直接影响。最后,本文在CIFAR10和Image Net数据集上对搜索结果进行性能评估,验证了本方法的有效性; 3.从理论层面解释了跳跃连接在混合操作中占据主导位置的原因。通过研究可微分架构搜索的优化过程,分析了跳跃连接在混合操作中占据主导位置的原因。此外,本文还研究了跳跃连接对整体优化速度的影响,以及基于贪心微调的可微分架构搜索是如何避免跳跃连接占据主导位置的。

关键词：自动化机器学习神经网络神经网络架构搜索可微分架构搜索

来源：评论

学校读者我要写书评

暂无评论

面向图像分类的可微分架构搜索算法研究

面向图像分类的可微分架构搜索算法研究

引用

作者：卢畅畅南京信息工程大学

学位级别：硕士

区别于手工搭建神经网络架构的方法,神经网络架构搜索(Neural Architecture Search,NAS)可以根据给定数据集,自动设计出高性能神经网络架构,NAS的发展促进了神经网络在各行各业的应用。其中,可微分架构搜索(Differentiable Architecture... 详细信息

区别于手工搭建神经网络架构的方法,神经网络架构搜索(Neural Architecture Search,NAS)可以根据给定数据集,自动设计出高性能神经网络架构,NAS的发展促进了神经网络在各行各业的应用。其中,可微分架构搜索(Differentiable Architecture Search,DARTS)将搜索空间中的候选操作连续松弛化,从而可以使用梯度的方法更新超网络的架构参数,有效解决了传统NAS方法搜索时间长,资源消耗大的问题。虽然DARTS性能优异,其仍存在一些待改进的问题。首先,DARTS在搜索阶段和验证阶段的网络拓扑连续性差且存在严重的权重耦合问题,影响了搜索的稳定性。其次,由于显存限制,DARTS在搜索阶段和验证阶段的网络深度不一致,导致了“深度差距(Depth Gap)”的问题。除此之外,在DARTS搜索前期无参数候选操作拥有不公平竞争优势,使得搜索到的神经网络架构容易出现数量过多的跳跃连接,从而导致性能崩溃。针对以上问题,本文开展如下研究: (1)针对DARTS搜索阶段和验证阶段网络拓扑连续性差以及超网络权重耦合严重的问题,提出了基于网络态射的可微分架构搜索算法(GreedyDARTS)。区别于原始DARTS算法一次性确定所有中间节点的连接方式,GreedyDARTS从小网络开始,逐渐增加中间节点的数量并使用贪心策略逐一搜索新增节点的连接方式,从而缓解权重耦合问题并保证网络拓扑的连续性。本文还提出了基于边显著性和边稳定性的早停机制,用来提高搜索效率和搜索稳健性。实验结果表明,GreedyDARTS搜索到的网络架构在仅3.4M参数量的情况下在CIFAR-10,CIFAR-100两个图像分类数据集上取得了97.57%,83.48%的分类精度。GreedyDARTS有效加速了搜索过程并提高了算法稳定性。 (2)针对DARTS搜索阶段和验证阶段深度差距大,跳跃连接聚集的问题,提出了基于渐进部分通道连接的可微分架构搜索算法(PA-DARTS)。在搜索前期,使用通道注意力机制仅选择少量权重较高的通道放入操作空间进行部分通道连接并保留所有的候选操作,随着搜索的进行,逐渐增加选择通道的数量并删除掉置信度较低的候选操作。PA-DARTS不仅削弱了候选操作之间的不公平竞争,而且减小了搜索过程中显存占用率,使得PA-DARTS在搜索阶段和验证阶段都能在20个细胞上进行,消除了“深度差距”问题。实验结果表明,PA-DARTS搜索到的神经网络架构参数量为3.8M,在CIFAR-10,CIFAR-100和Image Net数据集上分别取得了97.59%,83.62%和75.3%的分类精度。

关键词：可微分架构搜索权重耦合通道注意力机制图像分类

来源：评论

学校读者我要写书评

暂无评论

基于可微分架构搜索的多载波信号自动调制识别

引用

通信学报 2024年第9期45卷 14-25页

作者：李杰李靖吕璐宫丰奎西安电子科技大学空天地一体化综合业务网全国重点实验室陕西西安710071

针对城市多径信道下缺乏多载波信号通用数据集,以及传统信号特征与网络模型难以有效识别低信噪比下失真信号调制类型的问题,提出一种基于可微分架构搜索的多载波信号自动调制识别算法。首先,产生了常见OFDM、FBMC与OTFS多载波信号经过... 详细信息

针对城市多径信道下缺乏多载波信号通用数据集,以及传统信号特征与网络模型难以有效识别低信噪比下失真信号调制类型的问题,提出一种基于可微分架构搜索的多载波信号自动调制识别算法。首先,产生了常见OFDM、FBMC与OTFS多载波信号经过典型城市多径信道的接收信号数据集,选取对调制参数不敏感的信号时频图作为特征向量来训练神经网络;其次,采用可微分架构搜索方法自动搜索最佳网络结构,避免了网络结构设计的反复验证工作;最后,在特征学习过程中引入联合注意力机制,将失真信号特征进行空间转换以降低多径干扰影响,同时计算特征图各通道信息权重并排序,以提升相关特征图通道的分类效果。仿真结果表明,所提算法不仅能提升在城市多径信道环境下尤其是低信噪比时的识别正确率,而且对调制参数变化和小样本场景具有更好的鲁棒性。

关键词：可微分架构搜索多载波信号自动调制识别城市多径信道联合注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于可微分架构搜索的端到端场景文字检测及识别算法

引用

计算机应用 2023年第S01期43卷 81-87页

作者：刘嘉艺曹冬平钟勇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

在自然场景文字检测和识别任务中,现有大多数方法的文字检测和文字识别过程相对独立,导致这些方法处理速度较慢;此外,这些方法的训练和推理过程较为复杂,并且手工设计合理的架构比较困难。针对以上这些问题,基于可微分架构搜索方法提出... 详细信息

在自然场景文字检测和识别任务中,现有大多数方法的文字检测和文字识别过程相对独立,导致这些方法处理速度较慢;此外,这些方法的训练和推理过程较为复杂,并且手工设计合理的架构比较困难。针对以上这些问题,基于可微分架构搜索方法提出了多分支自动选择网络(MBASNet),该网络由数个多分支自动选择块(MBASB)组成。MBASB能在不显著增加计算量的情况下通过自动搜索检测和识别性能较优的子分支结构,组合多个MBASB得到整个检测和识别网络。所提出的MBASNet可以同时训练检测子网络和识别子网络,降低文字检测和识别任务中网络的训练和推理难度,提高对文字的检测和识别速度。MBASNet在ICDAR2013数据集上取得了89.4%的精确率和91.4%的召回率,在ICDAR15数据集上取得了80.5%的精确率和86.8%的召回率,并且计算速度达到了每秒68帧。

关键词：深度学习卷积神经网络文本检测文字识别可微分架构搜索

来源：评论

学校读者我要写书评

暂无评论

基于可微分架构搜索的小样本图像分类研究

基于可微分架构搜索的小样本图像分类研究

引用

作者：张凌云华南理工大学

学位级别：硕士

卷积神经网络在图像识别领域取得了巨大的成功,但其训练过程通常需要海量的带标注样本。然而,收集大量标注样本的成本十分昂贵,尤其是在稀有物种识别或医疗影像诊断等场景中。因此,小样本图像分类已成为深度学习发展中十分重要的研究课... 详细信息

卷积神经网络在图像识别领域取得了巨大的成功,但其训练过程通常需要海量的带标注样本。然而,收集大量标注样本的成本十分昂贵,尤其是在稀有物种识别或医疗影像诊断等场景中。因此,小样本图像分类已成为深度学习发展中十分重要的研究课题。为了缓解标注样本不足导致的模型过拟合现象,现有方法大部分利用结构简单的人工卷积神经网络来提取图像特征。然而,这些网络只包含标准卷积操作,参数量多,模型复杂度高,特征表达能力不足,难以提取全面的高层语义特征,影响小样本分类效果。可微分架构搜索(Differentiable Architecture Search,DARTS)是神经架构搜索的主流实现方法之一,能够基于梯度的优化方法高效地自动学习适用于目标任务并且迁移学习能力强的网络结构。本文旨在对DARTS的搜索流程进行改进,利用架构搜索的方式构建复杂度低且特征提取能力强的模型来提升小样本分类效果。本文从两个方面设计了搜索流程。在搜索空间中,本文引入了参数量少的空间可分离卷积来替代Zero操作,从而让每个节点有足够多的输入来保证节点间的信息交互,并在卷积操作中加入了分组的思想来进一步降低模型的复杂度。在搜索策略上,提出了基于Drop Block的搜索空间正则化方法来解决skip-connect操作富集问题,并提出了基于池化操作的早停策略来降低搜索时间。通过在小样本图像数据集CUB上的端到端搜索,最终得到了一个性能优异的小样本图像分类模型FSLNet。在FSLNet模型基础上,本文提出了多种有效的改进措施来进一步提升小样本分类性能。首先,考虑到常规卷积神经网络跨域泛化能力的不足,在模型中引入了IN与BN联合的标准化方法。然后,为进一步增强模型对图像中有效特征的表达能力,提出了一种局部和全局特征融合的空间金字塔自注意力机制(Spatial Pyramid Self-Attention Mechanism,SP-SAM),得到了一个性能更加优越的FSLNet Plus模型。最后,针对标注样本不足导致的过拟合问题,引入了自动化数据增强正则化方法。实验结果表明,FSLNet模型在多个小样本图像数据集上取得了显著的效果,经过优化后得到的FSLNet Plus模型在多个数据集上达到了目前最好的性能。

关键词：小样本图像分类神经架构搜索可微分架构搜索注意力机制

来源：评论

学校读者我要写书评

暂无评论

熵启发的分级可微分网络架构搜索

引用

哈尔滨工业大学学报 2021年第8期53卷 22-28页

作者：李建明陈斌孙晓飞中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 哈尔滨工业大学(深圳)国际人工智能研究院广东深圳518055

网络架构是影响卷积神经网络性能的重要因素,由于传统的人工设计方法效率较低,通过算法自动设计网络架构的方法受到了越来越多的关注。可微分网络架构搜索(DARTS)方法,能高效地自动设计网络架构,但其超网络的构建和架构派生策略也存在... 详细信息

网络架构是影响卷积神经网络性能的重要因素,由于传统的人工设计方法效率较低,通过算法自动设计网络架构的方法受到了越来越多的关注。可微分网络架构搜索(DARTS)方法,能高效地自动设计网络架构,但其超网络的构建和架构派生策略也存在不足之处。针对其不足之处,本文提出了改进算法。首先,通过量化分析该算法搜索过程中跳连(skip)操作数量的变化,发现共享架构参数的设置导致DARTS算法的超网络存在耦合问题;其次,针对超网络的耦合问题,设计了元胞(cell)分级的超网络,以避免不同层级间cell的相互影响;然后,针对超网络与派生架构在性能表现上存在“鸿沟”的问题,引入架构熵作为目标函数的损失项,以启发超网络的训练。最后,在CIFAR-10数据集上进行架构搜索实验,并分别在CIFAR-10和ImageNet上进行了架构评测实验。在CIFAR-10上的实验结果表明,本文提出的算法解除了不同层级cell间的耦合,提升了自动设计的架构性能,取得了仅2.69%的分类错误率;该架构在ImageNet上的分类错误率为25.9%,实验结果表明搜得的架构具有良好的迁移性。

关键词：网络架构搜索可微分架构搜索分级超网络架构熵

来源：评论

学校读者我要写书评

暂无评论

优化搜索空间下带约束的可微分神经网络架构搜索

引用

计算机应用 2022年第1期42卷 44-49页

作者：李建明陈斌江志伟覃健中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 哈尔滨工业大学(深圳)国际人工智能研究院广东深圳518055 中科院广州电子技术有限公司广州510070

可微分架构搜索(DARTS)可高效、自动地设计神经网络架构,但其超网络的构建方式与派生策略的设计之间存在性能“鸿沟”。针对上述问题,提出了优化搜索空间下带约束的可微分神经网络架构搜索算法。首先,以候选操作关联的架构参数为量化指... 详细信息

可微分架构搜索(DARTS)可高效、自动地设计神经网络架构,但其超网络的构建方式与派生策略的设计之间存在性能“鸿沟”。针对上述问题,提出了优化搜索空间下带约束的可微分神经网络架构搜索算法。首先,以候选操作关联的架构参数为量化指标来分析超网络的训练过程,发现在派生架构中未生效的候选操作none占据了权重最大的架构参数,从而导致算法搜得的架构表现欠佳,针对该问题设计了优化的搜索空间;然后,分析了DARTS超网络与派生架构之间的差异后,以架构参数为基础定义了架构熵,并把架构熵作为DARTS超网络目标函数的约束项,从而促使超网络缩小与派生架构的差异;最后,在CIFAR-10数据集上进行了实验。实验结果表明,所提算法在其中搜得的架构取得了97.17%的分类准确率,综合准确率、参数量和搜索时间优于对比算法。所提出的算法是有效的,提升了搜得架构在CIFAR-10数据集上的准确率。

关键词：卷积神经网络网络架构搜索可微分架构搜索架构确定性架构熵

来源：评论

学校读者我要写书评

暂无评论

基于可微分策略的神经网络架构搜索研究

基于可微分策略的神经网络架构搜索研究

引用

作者：郝德贝北京邮电大学

学位级别：硕士

神经网络架构搜索作为一种自动化设计方法,在深度学习领域越来越受欢迎。截至目前,各种神经网络架构搜索方法已经取得了巨大的进展,其中基于可微分策略的神经网络架构搜索更是凭借着搜索成本低、容易实现等优点在众多搜索算法中脱颖而... 详细信息

神经网络架构搜索作为一种自动化设计方法,在深度学习领域越来越受欢迎。截至目前,各种神经网络架构搜索方法已经取得了巨大的进展,其中基于可微分策略的神经网络架构搜索更是凭借着搜索成本低、容易实现等优点在众多搜索算法中脱颖而出。虽然基于可微分策略的神经网络架构搜索具有众多优势,但是关于在搜索阶段和评估阶段之间存在差距以及在搜索阶段对搜索迭代次数的控制上,还需要更深入的研究。另一方面,搜索网络和评估网络都是通过重复堆叠单元结构形成,这也是限制网络性能的一个瓶颈。上述的这些弊端导致搜索出来的网络架构受到了一定约束,使得搜索结果在评估阶段并非最佳。为了缓解这些问题,本文分别在网络架构的搜索和网络架构优化上做了如下研究:针对渐进式可微分神经网络架构搜索算法中搜索阶段和评估阶段之间存在差距导致搜索效果不稳定的问题,以及由于无效搜索原因而产生过多的搜索时间开销的问题,本文提出了一种基于通道渐进的高效神经架构搜索方法。目前在基于可微分策略的神经网络架构搜索算法中,搜索阶段和评估阶段存在差距这一问题十分普遍。P-DARTS通过渐进式递增搜索网络的深度以逼近评估时深度,缩小了深度上的差距。但是由于仍然存在较大的初始通道数差距,从而导致搜索出的网络架构难以达到最优。为此,本文通过逐阶段增加初始通道数来缓解差距问题,并且采用搜索空间分离策略来缓解增加通道数所带来的计算量。另外,为了进一步提升搜索效率,本文探究了搜索迭代次数和架构稳定性之间的关系,提出了一种及时停止搜索的策略。实验表明,在CIFAR-10和CIFAR-100数据集中,测试误差分别仅为2.44%和16.34%,并且在同环境下,搜索时间仅P-DARTS的0.7。针对基于可微分策略的神经网络架构搜索算法中神经网络架构需要重复堆叠单元结构从而导致网络性能受限的问题,本文提出一种基于可微架构搜索算法的优化策略。在普遍的神经架构搜索算法中,无论是在搜索阶段还是在评估阶段,往往都是通过设计两个单元结构,如Normal Cell和Reduction Cell,然后将这两个单元结构重复堆叠形成搜索阶段时的超网或者是最终的评估网络。这种重复堆叠的方式使得神经网络的性能受到约束,导致在搜索阶段得到的单元结构,经过重复堆叠形成评估网络并不一定是最优网络。为了突破这一约束,本文将搜索得到的单元结构重复堆叠形成的评估网络视为待优化网络,然后对该网络的单元结构进一步搜索。实验证明,通过分别将DARTS一阶搜索和二阶搜索算法同本文提出的优化算法相结合,本文在CIFAR-10数据集上的测试误差分别由3.03%和3.06%降到了 2.54%和2.58%,在CIFAR-100数据集上的测试误差分别由17.76%和17.54降到了 15.68%和 15.73%。

关键词：深度学习图像分类网络架构搜索可微分架构搜索优化搜索

来源：评论

学校读者我要写书评

暂无评论

基于LL-GG-LG Net的CT和PET医学图像融合

引用

光学精密工程 2023年第20期31卷 3050-3064页

作者：周涛张祥祥陆惠玲李琦程倩茹北方民族大学计算机科学与工程学院宁夏银川750021 北方民族大学图像图形智能处理国家民委重点实验室宁夏银川750021 宁夏医科大学医学信息工程学院宁夏银川750004

多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该... 详细信息

多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

关键词：医学图像融合深度学习注意力机制可微分架构搜索密集网

来源：评论

学校读者我要写书评

暂无评论

基于编—解码网络的肺部肿瘤PET/CT医学图像融合方法研究

基于编—解码网络的肺部肿瘤PET/CT医学图像融合方法研究

引用

作者：张祥祥北方民族大学

学位级别：硕士

多模态医学图像融合在计算机辅助医学诊断中起着至关重要的作用,编-解码网络被广泛应用于图像融合任务,尤其在医学图像融合研究中具有重要的作用。由于不同成像技术之间存在成像参数和成像机制等方面的差异性,通常不同的医学影像对相同... 详细信息

多模态医学图像融合在计算机辅助医学诊断中起着至关重要的作用,编-解码网络被广泛应用于图像融合任务,尤其在医学图像融合研究中具有重要的作用。由于不同成像技术之间存在成像参数和成像机制等方面的差异性,通常不同的医学影像对相同的细胞、组织、骨骼、器官和系统产生的成像结果不同,导致单模态医学图像信息单一,无法提供足够的信息。图像融合能够有效提取不同模态的互补信息,但是由于同一病变区域在不同模态的医学影像中形状特征和空间特征存在较大差异,病灶区域与周围组织的对比度较低,使得现有的医学图像融合方法仍然存在对比度低、形态特征不突出和空间定位不准确的问题。针对上述问题,本文以肺部肿瘤的PET和CT图像为研究对象,对基于编-解码网络的医学图像融合技术进行研究,本文研究内容如下: （1）本文提出一种面向肺部肿瘤PET和CT医学图像融合的LL-GG-LG Net模型。该模型通过构建局部融合、全局融合和全局-局部融合三分支网络,使得融合图像能够充分捕获全局上下文信息的同时关注病变区域局部特征。首先设计局部-局部融合模块（LL Module）,采用双层注意力机制更好的关注局部细节信息特征;其次提出全局-全局融合模块（GG Module）,通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,增强Transformer对局部信息的关注程度;最后提出一种基于可微分神经架构搜索自适应密集融合网络的局部-全局融合模块（LG Module）,充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题。实验结果表明,该模型在CT肺窗图像与PET图像数据上,AG,EI,QAB/F,SF,SD,IE 6种评价指标上分别平均提高了38.34%、18.18%、2.96%、28.09%、7.42%、2.25%,在肺部肿瘤PET和CT图像融合任务中有效提升了融合效果。（2）为了进一步提高模型的融合性能,解决源图像对比度较低、形态特征不突出,难以获得高质量的融合图像问题,提出一种面向肺部肿瘤PET图像和CT图像的同构Unet融合模型GMRE-i Unet,用于获取病变区域特征、丰富形态信息和增强病变区域与背景区域的对比度。首先在编码器中构造混合CNN-Transformer特征提取模块（HCTrans Module）,有效地整合局部病变特征和全局上下文信息,获得源图像的全局依赖关系和局部细节特征;然后将残差轴向注意力特征补偿模块（RAAFCM）嵌入到编码器和解码器中,捕获细粒度信息作为补偿特征,使得模型关注邻域像素之间的局部连接;其次设计一个混合注意力特征融合模块（EGSC Module）进行多尺度特征信息融合,在融合决策中有效整合通道和空间信息,并利用局部熵和高斯滤波聚合边缘信息和细节表征;最后采用嵌套连接结构的解码器对融合后的图像进行重构。实验结果表明,在CT肺窗图像与PET图像数据上,GMRE-i Unet与其他8组对比实验中最优数据相比,AG、EI、QAB/F、SF、SD和IE平均提高了16.19%、26%、3.81%、1.65%、3.91%、8.01%,该模型融合图像病变区域和背景区域的边界特征明显,能够实现优异的融合性能。（3）基于软件工程的思想,采用瀑布模型技术,开发了一款肺部肿瘤PET/CT医学图像融合辅助诊断系统,实现数据读取、模型选择、结果展示以及评价指标可视化等辅助诊断功能,将本文所提出的模型应用于诊断系统中,该系统具有良好的实用性,用户操作便捷,能够为医生提供准确地肺部疾病辅助诊断。

关键词：多模态医学图像融合肺部肿瘤编-解码网络可微分架构搜索注意力机制

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：