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

2 篇 学位论文

馆藏范围

2 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

2 篇 工学
- 2 篇 机械工程

主题

2 篇 maskrcnn模型
1 篇 特征区域
1 篇 滑动窗口
1 篇 目标检测
1 篇 图像识别
1 篇 膀胱癌
1 篇 u-net模型
1 篇 深度学习
1 篇 自主选择网络

机构

1 篇 对外经济贸易大学
1 篇 浙江大学

作者

1 篇 李通
1 篇 王淼

语言

2 篇 中文

检索条件"主题词=MaskRCNN模型"

共 2 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：

深度学习在智慧医疗中的应用研究——以膀胱镜下肿瘤分类为例

深度学习在智慧医疗中的应用研究——以膀胱镜下肿瘤分类为例

引用

作者：李通对外经济贸易大学

学位级别：硕士

在我国，膀胱癌是目前常见的十大癌症之一，因此膀胱癌的治疗受到了越来越多的关注。目前来说，膀胱镜检查依旧是诊治膀胱癌的金标准。但是，因为膀胱肿瘤形态多样，年轻医生很难判断出肿瘤的类别和浸润程度，并且该过程费时耗力，严重... 详细信息

在我国，膀胱癌是目前常见的十大癌症之一，因此膀胱癌的治疗受到了越来越多的关注。目前来说，膀胱镜检查依旧是诊治膀胱癌的金标准。但是，因为膀胱肿瘤形态多样，年轻医生很难判断出肿瘤的类别和浸润程度，并且该过程费时耗力，严重增加医生负担。因此，结合人工智能技术实现膀胱镜下肿瘤智能分类与分割，对提高“智慧医疗”水平，提升医疗产业效率，具有重要的现实意义。　　本文结合膀胱癌图像的实际分布特点，结合深度学习模型，展开了图像识别与分割研究，主要内容如下：　　（1）提出了一种基于深度学习的预测模型来完成对浸润性和非浸润性膀胱癌的分类。该模型采用了基于CNN的四层特征提取方法，经过对模型参数的不断调整，模型识别准确率高达88.24%，能有效区分浸润性膀胱癌和非浸润性膀胱癌。　　（2）基于膀胱镜图像和本文数据集的实际特点，构建了适合本文使用场景的U-Net网络模型，然后使用经过处理的人工标注的数据集进行实验，并对实验结果进行详细的解释。实验结果表明本文所改进的模型对于膀胱癌图片有良好的分割效果。　　（3）在前面研究的基础上，为了抓取膀胱镜病理图像的本质特征以及对病灶区域进行有效分割，提出了基于maskrcnn的膀胱癌图像分割模型。利用迁移学习的方法将该模型应用于人工标注过的膀胱镜图像，在分割效果和分类精准度上都获得了满意的效果。根据实验的结果，本文所搭建的网络模型可以有效的辅助医生运用于膀胱癌的诊治。　　本文的研究对于搭建膀胱镜影像数据驱动的智能诊断平台具有重要意义，将为我国泌尿外科智能诊断产业的发展提供必要的技术基础。

关键词：深度学习膀胱癌 U-Net模型 maskrcnn模型图像识别

来源：评论

学校读者我要写书评

暂无评论

基于特征区域选择的目标检测算法

基于特征区域选择的目标检测算法

引用

作者：王淼浙江大学

学位级别：硕士

随着信息化时代的逐渐发展，计算机视觉学科应运而生，它旨在利用电脑来代替人脑等进行一系列的技术活动，如对目标物体的类别检测，位置定位等，从而得到需要的信息用以后续的研究应用。在视觉任务领域中，常见的任务分为物体分类，物... 详细信息

随着信息化时代的逐渐发展，计算机视觉学科应运而生，它旨在利用电脑来代替人脑等进行一系列的技术活动，如对目标物体的类别检测，位置定位等，从而得到需要的信息用以后续的研究应用。在视觉任务领域中，常见的任务分为物体分类，物体检测与物体分割;在这些任务中，目标检测是最基本的一项任务，同时也是最重要的任务，只有正确识别物体类别以及物体的正确位置，才能正确的进行后续分割以及其他任务，如行人重识别中，首先要正确识别出目标图片中的行人，才能确定目标图片中的行人是不是要寻找的目标任务;并且目标检测在人脸识别，车辆识别，医疗影像检测以及自动驾驶中都发挥着重要的作用，识别出目标物体的位置以及类别是其根本所在，因此对于目标检测算法优化的研究也显得格外重要。　　本文主要研究基于特征区域的目标检测算法，算法首先利用特征选择网络或者滑动窗口法挑选出感兴趣的位置区域，接着在这些挑选出来的感兴趣区域内进行目标检测。本论文主要对MaskRegionConvolutionalNeuralNetwork(Mask RCNN)模型进行算法优化，将模型中的上采样方法进行优化，建立新的网络模型，由此获得更高的检测精度。　　maskrcnn模型整体仍是采用了自主选择网络，即RegionProposalNetwork(RPN)网络来自主获取建议区域(region pro posal s)，之后将获得的建议区域，即感兴趣的区域与卷积层产生的特征图送入后续的检测网络做类别检测，位置定位与图像分割。与FasterRCNN不同的是，maskrcnn模型在特征图的卷积生成过程中利用了FeaturePyramidNetwork(FPN)网络思想，将底层特征图信息与顶层特征图信息做融合，得到信息含量更丰富的特征图用以后续网络检测;在maskrcnn现有模型中FPN网络采用线性插值的方法来实现顶层特征图的上采样过程，本论文改进上采样方法，利用反卷积来实现特征图的上采样过程;由于上采样方法的改动，网络训练过程中增加了一个参数，由此重新对网络进行训练，根据插值二倍上采样的结果来设定反卷积网络参数，实现网络的训练过程，得到新的网络模型：反卷积-maskrcnn新模型，最终训练后的新模型在COCO数据集上的检测精度较现有模型提高了3%。　　其次，本论文利用maskrcnn原模型以及反卷积-maskrcnn新模型来实现自己人物数据集的训练过程。首先需要创建自己的人物数据集，在自己的人物数据集中，将人作为一类，其余物体作为背景类;对数据集中的图片做相应处理得到图片相关的类别信息，关键点信息等;再依据数据集的信息改写网络训练函数，先后利用maskrcnn现有模型和反卷积-maskrcnn新模型训练网络，得到网络的检测精度，在自己的人物数据集上，反卷积-maskrcnn新模型的网络精度较原有模型提高了6%，并且新模型对于图片的分割效果也更加精准。　　本文通过对特征图的上采样进行优化，得到新的网络模型，并且通过在COCO数据集以及自己创建的人物数据集上进行网络训练，证明了采用反卷积建立的新模型训练得到的网络检测精度更高，图片的分割效果以及类别识别准确率也更高，证明了新模型的优越性。

关键词：特征区域目标检测滑动窗口自主选择网络 maskrcnn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：