检索结果-内蒙古大学图书馆

作者：吴清江南京邮电大学

学位级别：硕士

虽然X射线计算机断层成像技术(X-ray Computerized Tomography,CT)能够提供丰富的人体解剖信息,但是完整CT扫描产生的X射线会给患者带来电离辐射伤害。在扫描角度方向和探测器方向上减少X射线数量可以有效减少辐射剂量,然而会造成获得... 详细信息

虽然X射线计算机断层成像技术(X-ray Computerized Tomography,CT)能够提供丰富的人体解剖信息,但是完整CT扫描产生的X射线会给患者带来电离辐射伤害。在扫描角度方向和探测器方向上减少X射线数量可以有效减少辐射剂量,然而会造成获得的投影数据部分缺失,最终导致CT重建图像上出现严重伪影,影响临床医生对病灶位置的诊断和治疗。因此,如何在获得的CT投影数据不完整情况下重建出符合临床诊断需要、高质量的CT图像具有重要的研究意义。本文旨在开发基于生成对抗性网络的低剂量CT图像重建算法和系统。本文构建了一系列生成对抗性网络,以估计扫描角度方向和探测器方向上缺失投影数据,达到补全缺失投影数据、提高CT重建图像质量的目的。本文的主要具体工作为:(1)介绍了CT成像系统和生成对抗性网络的基本原理,详细介绍了低剂量CT重建算法和生成对抗性网络研究现状。(2)提出了基于生成对抗性网络的低剂量CT图像重建算法。该算法在训练阶段构建了类似于自动编码器的生成网络。该生成网络使用基于卷积神经网络的编码器学习不完整投影数据的结构信息,再由解码器估计不完整投影数据的缺失部分。然后通过同样架构的判别网络,判断生成器估计出的缺失部分投影数据是否为真实的缺失部分投影数据的概率。获得完整投影数据后,再使用滤波反投影重建算法重建出CT图像。实验表明基于生成对抗性网络的低剂量CT重建算法可以有效消除CT图像中的伪影,提高低剂量条件下重建图像质量。(3)提出了基于联合损失函数的低剂量CT重建算法。基于生成对抗性网络的低剂量CT重建算法无法较好的捕捉真实投影数据的高频信息,故本文在该算法基础上进行改进,构建了由重建损失和对抗性损失组成的联合损失函数。基于联合损失函数的生成对抗性网络估计出的投影数据不仅在整体上与真实投影数据保持一致,并且在单像素点上的数值与真实投影数据保持一致。实验表明基于联合损失函数的低剂量CT重建算法能够获得更好的重建结果,尤其是在射线剂量较低情况下。(4)构建了基于生成对抗性网络的低剂量CT图像重建系统,整合了本文所提算法的全部功能。本文利用生成对抗性网络在部分投影数据缺失情况下有效提高CT重建图像质量,实现了在减少电离辐射伤害同时获得符合临床诊断需要的CT图像目的。

关键词：低剂量CT图像重建自动编码器生成对抗性网络联合损失函数

来源：评论

学校读者我要写书评

暂无评论

基于上下文编码生成对抗性网络的不完全投影数据2D/3D CT图像重建算法研究

基于上下文编码生成对抗性网络的不完全投影数据2D/3D CT图像重建...

引用

作者：白家男南京邮电大学

学位级别：硕士

X射线计算机断层成像技术在临床上是最为常用的诊断手段,能够为诊治医生提供的清楚可见的解剖结构图像。但是X射线会带有较大伤害的电离辐射,从而危害患者的健康。而在锥形束CT(Computed Tomography)扫描中,病人所承受的辐射量可能达到... 详细信息

X射线计算机断层成像技术在临床上是最为常用的诊断手段,能够为诊治医生提供的清楚可见的解剖结构图像。但是X射线会带有较大伤害的电离辐射,从而危害患者的健康。而在锥形束CT(Computed Tomography)扫描中,病人所承受的辐射量可能达到常规CT扫描的四倍。研究人员常用的解决办法是减少CT扫描时的旋转角度,但是造成了缺失角度所对应的投影数据的丢失,重建出的CT图像质量大幅下降,达不到临床诊断的标准。所以如何在获得CT投影数据不完整情况下重建出清晰可见、达到医生诊断的CT图像是一项具有意义的生物医学研究。为了提高有限角度锥形束投影数据的CT重建图像质量,本文提出了基于上下文编码生成对抗性网络的有限角度CBCT(Cone Beam Computed Tomography)图像重建算法。该算法处理流程包括数据预处理、训练阶段和测试阶段。由于本文使用的上下文编码生成对抗性网络只能处理二维数据,所以需要数据预处理阶段将CBCT三维投影数据转化为一系列二维数据,作为训练阶段的输入数据。训练阶段采用生成对抗性网络结构以生成缺失CT投影数据。其中,生成器网络结构类似于自动编码器,包括编码器和解码器两部分。所谓的自动编码器网络是由多层卷积神经网络组成的。编码器通过CNN(Convolutional Neural Network)的卷积过程来解析缺失的二维数据的图像特征表达,再由解码器预测出二维数据的缺失结构。然后利用辨别网络计算出一个概率,即生成网络预测出的缺失二维数据是真实数据的可能性。训练好的生成网络估计出新的经过预处理二维数据的缺失部分,再将补全后的各个二维数据按顺序堆叠,即可获得完整的CBCT三维投影数据。最后将利用FDK(Feldkamp)算法从补全的CBCT三维投影数据中重建出CT图像。实验结果表明,本文方法能够在三维投影数据缺失的情况下有效提高CBCT图像重建质量。其次,为了提高截断投影数据的CT图像重建质量,本文提出了基于上下文编码生成对抗性网络的二维截断投影数据CT图像重建算法。该算法分为训练阶段和测试阶段。在训练阶段,在生成网络中输入所获得的二维截断投影数据,预测得到缺失部分的二维投影数据作为生成网络的输出。测试阶段在完成训练的生成网络中输入新的截断投影数据,缺失的二维投影数据就是生成网络的输出,在把不完整的投影数据拼接一起得到完整的结果,最后将补全的投影数据通过FBP(Filtered Back Projection)算法重建出相应的CT图像。实验结果表明,该算法能在二维投影数据被截断的情况下有效提高CT图像重建质量。本文利用上下文编码生成对抗性网络在不完全投影数据的情况下有效的保证了CT重建图像质量,达到了在减少X射线剂量情况下获得符合临床诊断要求的CT图像的目的。

关键词：上下文编码网络有限角度锥形束投影数据截断投影数据CT重建生成对抗性网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和生成对抗性网络的数据增强辅助工地影像定位

基于深度学习和生成对抗性网络的数据增强辅助工地影像定位

引用

作者：王泽庠国立台湾大学

学位级别：硕士

近年来，诸多研究致力于对无人机、360相机以及三维雷射扫描捕获的大量工程视觉资料进行可视化和分析，以改善施工进行过程之沟通协调及工程规划。这些视觉资料通常以规律的频率和规则的拍摄模式进行搜集，后续主要被应用于创建三维竣... 详细信息

近年来，诸多研究致力于对无人机、360相机以及三维雷射扫描捕获的大量工程视觉资料进行可视化和分析，以改善施工进行过程之沟通协调及工程规划。这些视觉资料通常以规律的频率和规则的拍摄模式进行搜集，后续主要被应用于创建三维竣工模型，以及将其三维资料与4D BIM模型进行比对。而现今工地人员亦能够透过智慧型手机、平板电脑及单眼相机等科技产品直接于工地现场大量纪录施工情形。然而，这些影像资源在后续通常无法被有效且有系统的应用至施工活动分析。因此，本研究着重于提出一套基于电脑视觉和深度学习辅助工地照片定位之方法，进而确立二维工地照片与三维模型之间的对应关系。而成功定位之照片将能为后续工程分析提供基础，其中包含工程进度监控、工程品质评估与管控以及工地安全监控等项目。透过一般相机、360相机以及无人机搜集之工地有序性影像，本文首先利用运动回复结构(SfM)以及多视立体(MVS)将这些影像建置成竣工模型，同时产生这些照片对应之相机姿态标注。接着这些三维模型以及相机姿态标注被用来训练深度学习模型，并将训练完成之模型用于预测其他工地影像的相机姿态。为了提升相机姿态预测的准确度，本研究进一步采用生成对抗性网络来增加深度学习模型的资料训练数量。以及利用PnP和随机采样一致算法(RANSAC)，借由比对预测姿态和真实姿态两者对应的影像特征来进行姿态校正。本研究经工地实际案例测试后，验证提出之方法确实可达到工地无序性影像定位之效益。其中，透过资料增强辅助之深度学习模型可达到大约3.38m和12.94°的定位精度。而进一步采用PnP和RANSAC算法校正后可得到1.96m和10.27°的最佳定位精度，充分展现无序性影像应用于施工活动分析之可行性。

关键词：影像定位深度学习电脑视觉生成对抗性网络

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗性网络的二维X线头影测量图像口腔解剖特征点自动定位方法研究

基于生成对抗性网络的二维X线头影测量图像口腔解剖特征点自动定...

引用

作者：赵浩南京邮电大学

学位级别：硕士

自被引入口腔正畸领域以来,X线头影测量分析技术就已经成为研究颅面生长发育、临床畸形诊断与矫治设计的重要工具。而X线头影测量分析首先要确定各个解剖点的位置,然后根据这些解剖点构成的线角关系进行分析,和正常人比较后得出诊断结... 详细信息

自被引入口腔正畸领域以来,X线头影测量分析技术就已经成为研究颅面生长发育、临床畸形诊断与矫治设计的重要工具。而X线头影测量分析首先要确定各个解剖点的位置,然后根据这些解剖点构成的线角关系进行分析,和正常人比较后得出诊断结论。因此解剖特征点的定位精度直接影响X线头影测量分析的准确度。目前临床对X线头影测量图像解剖特征点仍然采用手动标记方式。然而,即使有经验的医师手动标记也非常耗时,且受医师个人经验、精力等主观因素较大。因此,发展X线头影测量图像解剖特征点的自动定位方法可以作为这些问题的解决方案,并且是具有重要的科研意义与临床价值的。为了解决二维X线头影测量图像口腔解剖特征点的自动定位问题,本文提出了一种基于对抗性自动编码网络的二维X线头影测量图像口腔解剖特征点自动定位的算法。算法的整个流程包括数据预处理阶段、训练阶段和测试阶段。首先在数据预处理阶段对二维X线头影测量图像进行裁剪处理,并根据待检测的解剖特征点计算得到对应的偏移距离图,接着在训练阶段,模型将预处理后的头影测量图像与对应的偏移距离图作为输入数据训练模型生成器,生成器输出预测的偏移距离图,再使用真实的偏移距离图与预测的偏移距离图训练鉴别器,最后在测试阶段,训练好的模型能够根据输入的头影测量图像预测出偏移距离图,对预测出的偏移距离图使用回归投票方法可以计算获得待检测特征点坐标。本文方法创新性的利用生成模型完成了对解剖特征点坐标的预测,实验结果表明,该方法能够生成质量较高的偏移距离图,从而计算得到精度较高的口腔解剖特征点坐标。同时由于X线头影测量图像存在解剖组织结构单一,图像语义信息不够丰富的问题,鉴于U-Net网络结构能够有效融合医学图像中多尺度的特征,本文还提出基于对抗性U-Net网络的二维X线头影测量图像口腔解剖特征点的自动定位算法,该模型旨在结合U-Net结构与生成对抗性网络框架两者的优势,利用U-Net网络其特有的U型结构与跳层连接机制,对X线头影测量图像在不同尺度下的特征图进行融合,再结合生成对抗性网络的对抗性思想,以达到提高预测出的偏移距离图质量和解剖特征点定位精度的目的。

关键词：解剖特征点定位生成对抗性网络 U-Net 偏移距离图

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗性深度学习网络的磁声成像电导率图像重建

基于生成对抗性深度学习网络的磁声成像电导率图像重建

引用

作者：潘奕凡深圳大学

学位级别：硕士

研究表明,生物组织发生早期病变且尚未在形态结构上产生改变时,生物组织病变部位的电特性(电阻抗、电导率、介电常量)首先发生变化。因此通过检测组织的电特性就有可能达到对疾病早期诊断的目的。生物电阻抗成像(Biological Electrical ... 详细信息

研究表明,生物组织发生早期病变且尚未在形态结构上产生改变时,生物组织病变部位的电特性(电阻抗、电导率、介电常量)首先发生变化。因此通过检测组织的电特性就有可能达到对疾病早期诊断的目的。生物电阻抗成像(Biological Electrical Impedance Tomography,BEIT)是对组织电特性检测的成像技术,一种继形态结构成像之后的新一代功能成像技术的统称。感应式磁声成像(Magneto-Acoustic Tomography with Magnetic Induction,MAT-MI)是一种以超声波为信息载波的新型多物理场耦合的生物电阻抗成像方法。它依据电磁感应原理在被测组织内部产生感应涡流,有效的消除了生物组织的屏蔽效应,避免了注入电流的安全问题,也提高了检测灵敏度,是多物理场耦合的功能成像技术的标志性进展。MAT-MI的图像重建问题是一个非线性的逆问题,目前研究者们通常基于样品介质的电导率分布为分区均匀及电导率分区形状较为规则的假设进行研究。学者们已经提出了数种解逆问题的重建方法,但目前依然存在着许多制约MAT-MI走向实际应用的问题。MAT-MI中重建电导率逆问题的复杂性、声源数据多是集中在组织交界的边界处、和声源数据具有方向性等因素一直限制着重建电导率逆问题的研究进程,至今仍然没有一个较为理想的重建电导率的解析解或者计算解法。随着深度学习的发展,在医学成像领域得到了较好的运用,其中生成对抗性深度学习网络是近年来广泛应用的网络结构。基于以上背景,我们根据目前的磁声耦合成像理论原理和基础模型,在COMSOL仿真平台上构建了磁声耦合成像正问题的仿真模型;又在该模型基础之上根据实际肿瘤的变化形态设计并采集二万对多参数化、多型态化的简化的仿真样本数据集;利用生成对抗性网络搭建重建电导率分布的网络训练模型;将矢量声源数据和更多样化的电导率分布样本对作为训练数据集,来训练重建电导率分布的模型;根据训练好的模型输入矢量声源数据重建出未知的电导率分布图像,并且做了一系列的对比验证实验;又另外收集若干个奇异或者病态的数据,验证并排除过度学习等不良效果。最终结果表明,本论文通过深度学习的方法和多样化数据集样本能完整的重建出多形态多变化的测试集电导率分布。主要结论如下:1)病变区域的形状、位置、个数、面积大小、肿瘤边缘软硬程度等不同的特征都不影响电导率重建结果的准确度,且不同特征的样本重建成功率几乎一致。2)输入训练集中声源数据方向的完整性不影响重建结果的准确度,为先验信息不足的磁声成像方法提供了新的可能。3)本论文提出的方法能够完整地重建出复杂电导率样本分布的内部以及边界的电导率,并且成像清晰,成像速度快;在测试集中添加噪声依然能稳定的重建电导率值的分布。4)与传统重建方法对比,在重建图像的清晰度,电导率值的重建等方面都要优于传统方法。5)对于电导率形态不与训练集一致的随机样本也能较好的重建出形态分布和电导率值的分布,无严重失败案例,无病态性重建结果,无过度学习情况。

关键词： MAT-MI逆问题非均匀电导率不规则样本深度学习网络生成对抗性网络

来源：评论

学校读者我要写书评

暂无评论

视图映射和循环一致性生成的不完整多视图聚类

引用

智能系统学报 2025年第2期20卷 316-328页

作者：王英博郭凯雪辽宁工程技术大学软件学院辽宁葫芦岛125105

传统聚类假设每个视图都完整,没有考虑数据损坏、设备故障导致的不完整视图情况。针对此问题,已有方法大多基于核和非负矩阵分解提出,没有明确补偿每个视图丢失的数据,学习的潜在表示也没有考虑聚类任务。为此设计视图映射和循环一致性... 详细信息

传统聚类假设每个视图都完整,没有考虑数据损坏、设备故障导致的不完整视图情况。针对此问题,已有方法大多基于核和非负矩阵分解提出,没有明确补偿每个视图丢失的数据,学习的潜在表示也没有考虑聚类任务。为此设计视图映射和循环一致性生成的不完整多视图聚类(incomplete multi-view clustering generated by view mapping and cyclic consistency,MG_IMC),利用已有数据信息得到各视图的风格编码和共享潜在表示,并通过生成对抗网络生成缺失的数据,在完整数据集上利用加权自适应融合捕获更好的通用结构,并在深度嵌入聚类层完成聚类任务。使用KL散度(Kullback-Leibler divergence)联合训练模型,学习的公共表示有助于生成缺失的数据,而补全的数据进一步生成聚类友好的公共表示。实验表明,相比已有方法,该算法得到更好的聚类效果。

关键词：数据挖掘聚类多视图学习不完全多视图聚类深度学习自动编码器生成对抗性网络 KL散度

来源：评论

学校读者我要写书评

暂无评论

采用非平衡小样本数据的风机主轴承故障深度对抗诊断

引用

中国电机工程学报 2020年第2期40卷 563-574页

作者：黄南天杨学航蔡国伟宋星陈庆珠赵文广现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 吉林省吉林市132012

风机主轴承振动信号中存在噪声干扰,且实验环境下获取众多故障类型与故障程度数据难度大、成本高。为提高高噪声环境下基于小样本非平衡振动数据的风机主轴承故障诊断准确率,提出采用改进辅助分类生成对抗网络(auxiliary classifier gen... 详细信息

风机主轴承振动信号中存在噪声干扰,且实验环境下获取众多故障类型与故障程度数据难度大、成本高。为提高高噪声环境下基于小样本非平衡振动数据的风机主轴承故障诊断准确率,提出采用改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的风机主轴承故障诊断新方法。首先,在AC-GAN生成器中加入Dropout层,防止过拟合导致生成重复的样本数据,保证样本生成质量。之后,在AC-GAN判别器加入卷积层,提取更多细节特征,并引入噪声过渡模型、重定义损失函数,提高判别器抗噪能力。然后,为训练样本添加标签约束,使生成器针对性生成大量符合真实样本概率分布特性的非平衡场景下小样本故障类型数据,由此,实现判别器增强。最后,通过判别器与生成器博弈达到平衡,提高小样本非平衡场景下故障识别准确率。实验表明,在高噪声干扰、样本数量不足及不同类型样本训练集规模非平衡等复杂场景下,新方法依然能够保持良好的主轴承故障识别准确率。

关键词：风机主轴承故障小样本非平衡生成对抗性网络辅助分类器

来源：评论

学校读者我要写书评

暂无评论

深度学习地震数据重建方法研究综述

引用

地球物理学进展 2023年第1期38卷 361-381页

作者：易继东张敏李振春李可欣中国石油大学(华东)地球科学与技术学院青岛266580 山东省深层油气重点实验室中国石油大学(华东)青岛266580

由于自然条件限制和人为因素的影响,实际采集得到的地震数据往往会出现地震道数据缺失的情况,会对后续的地震数据处理和解释制造困难,需要对地震数据进行重建.而传统地震数据重建方法通常存在着重建效果受先验条件约束、超参数选择需要... 详细信息

由于自然条件限制和人为因素的影响,实际采集得到的地震数据往往会出现地震道数据缺失的情况,会对后续的地震数据处理和解释制造困难,需要对地震数据进行重建.而传统地震数据重建方法通常存在着重建效果受先验条件约束、超参数选择需要人工干预、自动化程度低等问题.于是人们将目光投向发展迅速的深度学习领域,截至今日已经有不少深度学习方法应用于地震数据重建领域以解决上述地震数据重建过程中的问题.本文将着重分析具有代表性的深度学习地震数据重建方法,分别基于卷积神经网络、循环神经网络、卷积自编码器、生成对抗性网络.通过重建结果残差对比图,重建结果信噪比分析等方法对深度学习地震数据重建方法的优势和不足进行深入探讨.并进一步阐述深度学习地震数据重建方法的研究现状、方法优势、存在的问题以及未来发展趋势,对现今的深度学习重建方法进行总结和展望.

关键词：深度学习地震数据重建方法卷积神经网络循环神经网络卷积自编码器生成对抗性网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的行人重识别综述

引用

计算机应用 2020年第5期40卷 1243-1252页

作者：杨锋许玉尹梦晓符嘉成黄冰梁芳烜广西大学计算机与电子信息学院南宁530004 广西多媒体通信与网络技术重点实验室(广西大学) 南宁530004

行人重识别(Re-ID)是计算机视觉领域的热点问题,主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到的特定人员的问题”。传统的行人Re-ID方法主要基于底层特征如局部描述符、颜色直方图和人体姿势的提取。近几年,针对行人遮挡... 详细信息

行人重识别(Re-ID)是计算机视觉领域的热点问题,主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到的特定人员的问题”。传统的行人Re-ID方法主要基于底层特征如局部描述符、颜色直方图和人体姿势的提取。近几年,针对行人遮挡和姿势不对齐等传统方法所遗留问题,业内提出了基于区域、注意力机制、姿势和生成对抗性网络(GAN)等深度学习的行人Re-ID方法,实验结果得到较明显的提高。故对深度学习在行人Re-ID中的研究进行了总结和分类,区别于以前的综述,将行人重识别方法分成四大类来讨论。首先,通过区域、注意力、姿势和GAN四类方法来综述基于深度学习的行人Re-ID方法;然后,分析这些方法在主流数据集上的mAP和Rank-1指标性能表现,结果显示基于深度学习的方法可以增强局部特征之间的联系并缩小域间隙,从而减少模型过拟合;最后,展望了行人Re-ID方法研究的发展方向。

关键词：行人重识别深度学习生成对抗性网络区域注意力姿势

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络模型的小样本PM_(2.5)预测

引用

计算机应用与软件 2023年第10期40卷 114-119页

作者：汪祖民张嘉峰胡玲艳邹启杰盖荣丽刘艳大连大学信息工程学院辽宁大连116622

针对目前数据驱动的方法在小样本下PM_(2.5)预测准确率较低的问题,提出一种基于生成对抗性网络(GAN)模型PME-GAN,用于在线预测PM_(2.5)浓度值。在生成器中加入长短期记忆网络(LSTM)并用于提取输入数据的时序特征,在判别器中加入多层感... 详细信息

针对目前数据驱动的方法在小样本下PM_(2.5)预测准确率较低的问题,提出一种基于生成对抗性网络(GAN)模型PME-GAN,用于在线预测PM_(2.5)浓度值。在生成器中加入长短期记忆网络(LSTM)并用于提取输入数据的时序特征,在判别器中加入多层感知机网络(MLP),通过生成器对PM_(2.5)浓度值进行预测。与LSTM、GRU、CNN-LSTM和CNN-GRU 4种模型进行对比实验,结果表明,该方法在小样本数据集上具有更高的预测准确率,对保定测试集的后25%数据开始预测,预测效果很好。

关键词：小样本 PM_(2.5)预测生成对抗性网络博弈

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：