检索结果-内蒙古大学图书馆

纺织学报 2024年第5期45卷 60-69页

作者：胡旭东汤炜曾志发汝欣彭来湖李建强王博平浙江理工大学浙江省现代纺织装备技术重点实验室浙江杭州310018 浙江恒强科技股份有限公司浙江杭州311121 浙江大学生物医学工程与仪器科学学院浙江杭州310027

为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,... 详细信息

为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,修正各个层次特征在通道域和空间域的权重。构建的双分支网络架构能并行提取织物双面的特征信息。在分类阶段,采用了串行策略来融合高维特征向量,以确定纬编针织物组织所属类别。使用准确率、宏精确率、宏召回率以及宏F_(1)评估模型的性能,并统计了参数量和计算复杂度衡量模型的资源消耗。实验结果显示,对于纬编针织物特殊的结构特点,双分支网络架构具有很好的适应性。改进后的模型增强了不同组织间的特征区分度,在受到角度旋转、尺度改变、光照条件变化等干扰下,本文方法的分类准确率可达99.51%,且保持了较小的资源消耗。

关键词：纬编针织物组织结构分类轻量化卷积神经网络图像识别双分支网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

乳腺癌病理图像细胞识别与组织分类算法研究

乳腺癌病理图像细胞识别与组织分类算法研究

引用

作者：张晓璇南方医科大学

学位级别：博士

病理图像作为医学图像中的重要成员,一直被认为是用于诊断疾病的“金标准”。对病理图像的定量描述,例如细胞的形态及空间分布,组织结构的类型及面积等,有助于深入理解疾病发生发展的潜在规律,从而提示一些癌症可以早预防、早诊断和早... 详细信息

病理图像作为医学图像中的重要成员,一直被认为是用于诊断疾病的“金标准”。对病理图像的定量描述,例如细胞的形态及空间分布,组织结构的类型及面积等,有助于深入理解疾病发生发展的潜在规律,从而提示一些癌症可以早预防、早诊断和早干预以降低发病率,提升存活率。然而,病理图像自身超高的空间分辨率给人工定量评估带来巨大挑战。通过计算机辅助分析方法,可以有效弥补医生在临床决策过程中难以准确定量描述病理图像的现状,以更客观、稳健的全自动方式协助病理医生进行快速精准的临床诊断、病程分析及预后预测等。本文围绕H&E染色乳腺癌病理图像定量分析中的关键难点问题,分别从细胞层面与组织层面基于深度学习方法开展以下研究工作:(1)基于密集双任务网络的乳腺癌淋巴细胞识别。针对乳腺癌淋巴细胞体积小且空间分布复杂等特性造成的人工量化难问题,此工作提出了一种基于深度学习的密集双任务神经网络(Dense Dual-Task Network,DDTNet),用于对H&E染色乳腺癌病理图像中的淋巴细胞同时进行自动精准检测与分割。特征编码主干网络用于提取与淋巴细胞位置及形态相关的多尺度深层次特征;检测和分割解码器分别将深层次特征映射为淋巴细胞位置和形态概率图;特征融合模块为分割解码器快速引入带有淋巴细胞位置信息的多尺度深层特征,提升细胞识别性能。在三个乳腺癌淋巴细胞数据集上验证了该方法在细胞检测和分割两方面卓越的性能。此外,本工作还提出了一种基于水平集的半自动细胞标注方法TILAnno,为基于数据驱动的细胞识别框架发展提供源动力。(2)基于高效区域感知网络的乳腺癌组织结构分类。针对乳腺癌组织结构种类繁杂且分布无章以及病理图像定量分析时效性需求等特性造成的人工量化难问题,此工作提出了一种基于深度学习的高效区域感知神经网络(Efficient Region-Aware Network,ERANet),用于对 H&E 染色乳腺癌病理图像中的组织结构进行快速精确的自动划分。轻量级多尺度特征提取模块为局部区域高效聚合不同感受野下的多尺度上下文信息;轻量级动态区域注意力模块通过构建区域间相关性实现全局特征的动态分区增强;子区域分类策略高效编码邻域上下文信息并快速输出区域分类结果;基于区域正则化的损失函数帮助模型建模乳腺癌各组织结构间独有的空间分布关系。在三个乳腺癌组织结构分类数据集上验证了该方法在模型精度与推理速度之间进行了良好的权衡。综上,本文从两种不同的角度展示了基于深度学习方法辅助病理图像精准定量分析的可行性,为计算病理学的发展提供有力的工具及理论基础。

关键词：淋巴细胞识别组织结构分类深度学习病理图像分析乳腺癌

来源：评论

学校读者我要写书评

暂无评论

色纺机织物纹理表征模型的构建及应用研究

色纺机织物纹理表征模型的构建及应用研究

引用

作者：龚雪武汉纺织大学

学位级别：硕士

纹理是表征图像内容的一个重要特征,它所描述的是图像中每个像素点在灰度空间中的位置和排列规律。传统的织物分析主要以人工完成为主,具有效率低、准确率不高以及稳定性差等问题。随着数字图像处理技术的普及和应用,通过对织物纹理进... 详细信息

纹理是表征图像内容的一个重要特征,它所描述的是图像中每个像素点在灰度空间中的位置和排列规律。传统的织物分析主要以人工完成为主,具有效率低、准确率不高以及稳定性差等问题。随着数字图像处理技术的普及和应用,通过对织物纹理进行数字化表征实现织物纹理分析的自动化与智能化是目前研究的主流方向。近年来,采用两种或多种不同的染色纤维进行混配、纺制而成的色纺产品,因其色彩层次丰富,深受广大消费者的喜爱。因此,如何利用计算机视觉技术对色纺织物纹理进行表征和分析值得深入研究。本文重点针对色纺织物纹理分布的随机性与复杂性,分别构建空域、频域以及空频两域融合的纹理表征模型,并用于色纺机织物组织点的识别与组织结构的分类,具体内容如下:(1)针对色纺机织物组织点纹理特征提取困难的问题,建立了一种基于纹理统计特征与多核学习的色纺机织物组织点自动识别算法。首先,将YUV、HSV和LAB三种色彩空间的亮度通道进行融合,构建混合亮度通道;在此基础上,提取织物组织点图像的局部纹理统计特征,用于表征织物组织点的纹理;最后,通过多核学习算法构建支持向量机进行识别。(2)针对色纺机织物纹理特征提取困难的问题,提出了一种基于多分辨率特征与层次化混合分类器的织物组织结构分类算法。该算法以HSV色彩空间为基础,在亮度通道利用小波多分辨率分析对色纺机织物图像进行三层分解,并提取各层图像的局部二值模式特征加以融合;同时,采用BP网络和朴素贝叶斯理论构建层次化混合分类器,实现对织物组织结构的分类。(3)针对局部二值模式难以准确表征色纺机织物表面因染色纤维分布不均而导致的纹理各向异性问题,提出一种融合空域与频域特征的色纺机织物组织结构分类算法。该模型利用局部二值模式与局部相位量化算法分别提取织物的纹理特征;然后采用主成分分析法对融合特征进行降维处理;最后构建混合分类器对织物组织结构进行分类。本文的研究对于构建稳定、有效的色纺面料设计与生产系统具有重要的指导意义,并且能够为色纺机织物的数字化管理以及疵点检测等应用提供技术支撑,具有重要理论研究意义与应用价值。

关键词：色纺机织物纹理表征空域特征频域特征空频两域特征组织点识别组织结构分类

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：