检索结果-内蒙古大学图书馆

计算机工程 2023年第10期49卷 154-161页

作者：褚张晴晴钟志强颜子夜战荫伟广东工业大学计算机学院广州510006 广州柏视医疗科技有限公司临床研究部算法组广州510213

脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义。u-net作为脑肿瘤分割领域应用最广泛的网络,具有较优的性能,但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题。为对脑肿瘤各区域进行... 详细信息

脑肿瘤核磁共振成像(MRI)的准确分割对手术方案的制定和放疗计划具有重要意义。u-net作为脑肿瘤分割领域应用最广泛的网络,具有较优的性能,但是存在跳跃连接中语义差距较大、MRI图像中跨通道信息利用不足的问题。为对脑肿瘤各区域进行准确分割,提出一种基于特征融合与注意力机制的改进u-net模型FFCA-u-net。在跳跃连接中设计特征融合模块代替u-net中的直接拼接操作,以有效融合不同层次、不同尺度的特征信息,减小语义差距并调整感受野,增强网络对肿瘤特征的学习能力。在编码器中引入改进的三维坐标注意力机制,沿MRI图像的3个方向捕获跨通道信息,增强网络对脑肿瘤边界信息的感知能力,获得肿瘤子区域更精确的位置。此外,为快速获得肿瘤的相对位置、减少网络学习冗余,增加的掩码图像与MRI图像一起作为网络输入。在MSD数据集上的实验结果表明,FFCA-u-net在增强肿瘤区域、非增强肿瘤区域和水肿区域的Dice系数分别为0.803 4、0.628 6和0.799 3,平均Dice为0.743 8,优于TransBTS、unetR等其他先进网络。

关键词：脑肿瘤 u-net模型特征融合三维坐标注意力机制医学图像分割

来源：评论

学校读者我要写书评

暂无评论

融合转置卷积与深度残差图像语义分割方法

引用

计算机科学与探索 2022年第9期16卷 2132-2142页

作者：刘腊梅王晓娜刘万军曲海成辽宁工程技术大学软件学院辽宁葫芦岛125105

针对深度学习图像语义分割方法中存在分割精度低、损失率高的问题,提出了融合转置卷积与深度残差图像语义分割方法。首先,为了解决神经网络深度增加引起分割精度下降、收敛速度慢的问题,设计一种深度残差学习模块来提升网络的训练效率... 详细信息

针对深度学习图像语义分割方法中存在分割精度低、损失率高的问题,提出了融合转置卷积与深度残差图像语义分割方法。首先,为了解决神经网络深度增加引起分割精度下降、收敛速度慢的问题,设计一种深度残差学习模块来提升网络的训练效率和收敛速度;然后,为了使上采样过程与特征提取过程中特征图融合精度更高,将深度残差u-net模型中upSampling2D和转置卷积两种上采样方式进行拼接,形成新的上采样模块;最后,针对网络训练过程中训练集与验证集之间存在的权值过度拟合问题,在网络的跳跃连接层引入Dropout,增强了网络的学习能力。在CamVid数据集上对算法的性能进行了证明,算法语义分割精度达到89.93%,损失率降到0.23,与u-net模型相比,验证集精度提升了13.13个百分点,损失率降低了1.20,优于当前的图像语义分割方法。所提出的图像语义分割新模型,综合了u-net模型的优点,使得图像语义分割精度更高,语义分割的效果更好,有效提升了算法的鲁棒性。

关键词：图像语义分割 u-net模型深度残差网络转置卷积

来源：评论

学校读者我要写书评

暂无评论

基于APC-unet模型的皮肤病变区域分割研究

引用

四川轻化工大学学报（自然科学版） 2023年第5期36卷 51-59页

作者：张博源黄成泉王琴万林江周丽华贵州民族大学数据科学与信息工程学院贵阳550025 贵州民族大学工程技术人才实践训练中心贵阳550025

针对皮损皮肤镜图像分割不准确的问题,本文提出了一种基于Atrous-spatial-pyramid-pooling Parallel Coordinate-attention pattern u-net(APC-unet)模型的皮肤病变区域分割算法。算法在u-net模型的编码器中融入Atrous Spatial Pyramid Pooling(ASPP)模块和Parnet模块以提升模型的特征提取能力,在解码器中嵌入带有注意力机制的Coordinate Attention(CA)模块以增强模型的定位能力,并且引入了Lovász-hinge损失函数来解决皮损皮肤镜图像样本类别不均衡的问题。通过消融实验验证了提出的模型的改进合理性,通过对比实验结果表明,APC-unet模型整体上优于5种对比模型,并且相较于基准模型u-net,在Dice系数、Iou、精确率、召回率和准确度上分别提升了6.14%、8.11%、6.79%、2.28%和2.49%,各项性能指标均有较好提升,是一种有效可行的皮肤病变区域分割算法。

关键词：计算机辅助诊断皮肤病变区域分割深度学习 u-net模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于改进的u-net和YOLOv5的绝缘子掩模获取与缺陷检测

引用

数据采集与处理 2021年第5期36卷 1041-1049页

作者：唐小煜熊浩良黄锐珊林威霖华南师范大学物理与电信工程学院广州510006 广东省量子调控工程与材料重点实验室广州510006 广东省光电检测仪器工程技术研究中心广州510006 华南师范大学物理国家级实验教学示范中心广州510006

输电线路的绝缘子定期巡检是必不可少的一项任务,而传统的人工巡检存在着效率低、工作强度大等问题。因此,本文设计了一种改进的u-net模型实现对绝缘子的分割,并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于u-net图... 详细信息

输电线路的绝缘子定期巡检是必不可少的一项任务,而传统的人工巡检存在着效率低、工作强度大等问题。因此,本文设计了一种改进的u-net模型实现对绝缘子的分割,并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于u-net图像语义分割模型,提出一种改进的网络结构SERes-unet。模型引入残差结构减少卷积过程中存在的梯度消失、结构信息损耗的影响,引入注意力机制对特征权重进行校正,从而提升网络性能。为实现对高分辨率图像的爆破绝缘子检测,提出将图片进行切割再进行检测,再通过非极大值抑制(Non-maximum suppression,NMS)进行筛选,获取图像全部爆破绝缘子的位置。本文设计的多组实验验证了模型的有效性和高效性。本文方法绝缘子分割精度达到0.96,爆破绝缘子检测精确率达到0.97,召回率达到0.99。

关键词：爆破绝缘子图像语义分割目标检测 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于改进的u-net腹部器官与肺部分割算法研究

引用

光学技术 2023年第5期49卷 631-640页

作者：郑旭康李志忠秦俊豪广东工业大学信息工程学院广东广州510006

针对现有医学图像分割模型存在着计算复杂度较高、参数量大,难以部署到实时医疗辅助诊断系统中,而现有的轻量化模型存在参数减小后导致分割性能下降等问题,提出了一种基于改进的轻量化u-net分割模型。该模型由编码器、解码器和跳连接三... 详细信息

针对现有医学图像分割模型存在着计算复杂度较高、参数量大,难以部署到实时医疗辅助诊断系统中,而现有的轻量化模型存在参数减小后导致分割性能下降等问题,提出了一种基于改进的轻量化u-net分割模型。该模型由编码器、解码器和跳连接三个主要部分组成。编码器使用了由标准卷积和深度可分离卷积组合形成的多尺度融合模块,在此基础上,为增强神经网络学习能力,引入了瓶颈层结构,使用聚合方法设计出轻量级的跨级部分网络模块作为特征提取器对输入的图像进行特征提取;在解码器中继续使用了该轻量级模块来进一步优化模型,降低模型的计算复杂度以及减少参数量,同时能够产生更好分割效果;通过跳连接的方式实现编码器与解码器之间不同分辨率的特征信息融合。在腹部器官CHAOS和胸腔Chest X-ray数据集上进行实验,结果表明,改进型u-net分割模型的参数量以及计算复杂度都得到了不同程度的降低,在模型参数量仅为1.28M的情况下,DSC分别为87.53%和95.85%,IOu分别为85.25%和92.21%,取得了不弱于其他网络的分割性能。

关键词：深度学习医学图像分割 u-net模型轻量化

来源：评论

学校读者我要写书评

暂无评论

融合残差与多尺度特征的u-net泥页岩裂缝分割

引用

西北大学学报（自然科学版） 2023年第5期53卷 761-770页

作者：陈子浩贾鹏飞屈文航王勇西北大学地质学系/大陆动力学国家重点实验室陕西西安710069 中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室湖北武汉430071

泥页岩CT图像裂缝分割是获取裂缝信息的关键环节,对揭示裂缝空间展布规律和明确储层特征具有重要意义。针对传统图像处理方法无法自主分割泥页岩裂缝,以及泥页岩CT图像中裂缝形态复杂多样,尺度变化大,细小裂缝与周围岩体的灰度值相似导... 详细信息

泥页岩CT图像裂缝分割是获取裂缝信息的关键环节,对揭示裂缝空间展布规律和明确储层特征具有重要意义。针对传统图像处理方法无法自主分割泥页岩裂缝,以及泥页岩CT图像中裂缝形态复杂多样,尺度变化大,细小裂缝与周围岩体的灰度值相似导致分割效率低的问题,通过改进u-net网络模型,提出一种融合残差网络和多尺度特征的卷积神经网络MCS-net,用于实现高效的泥页岩裂缝分割。所提网络包括特征提取、特征融合和预测输出3部分,特征提取部分使用残差模块代替常规卷积,充分获取浅层特征信息和高层语义信息;特征融合部分采用多尺度卷积融合模块获取裂缝多尺度特征信息,随后逐层上采样还原图像分辨率并准确定位裂缝位置;预测输出部分最终生成泥页岩二元裂缝分割图。实验在构建的泥页岩裂缝数据集MudshaleCrack上进行测试,并与6种主流的深度学习语义分割网络进行对比。结果表明,所提的MCS-net优于对比网络,评价指标Iou为85.32%,F1值为92.56%,与改进前的u-net相比,Iou和F1值分别提升了0.0428和0.0903,证明了所提方法对泥页岩裂缝分割的可行性。

关键词：泥页岩CT图像裂缝分割 u-net模型残差网络多尺度特征

来源：评论

学校读者我要写书评

暂无评论

改进u-net的高分影像建筑物提取方法

引用

测绘科学 2021年第12期46卷 140-146页

作者：卢彻徐胜华朱军西南交通大学地球科学与环境工程学院成都611730 中国测绘科学研究院北京100036

针对高分辨率遥感影像中普遍存在的同谱异物和同物异谱现象以及传统全卷积神经网络随网络层数增加导致的梯度消失等问题,该文提出了基于改进u-net的高分辨率遥感影像建筑物提取方法。利用残差思想对u-net网络结构进行优化,采用Adam优化... 详细信息

针对高分辨率遥感影像中普遍存在的同谱异物和同物异谱现象以及传统全卷积神经网络随网络层数增加导致的梯度消失等问题,该文提出了基于改进u-net的高分辨率遥感影像建筑物提取方法。利用残差思想对u-net网络结构进行优化,采用Adam优化器进行参数的更新,同时引入Dropout与批标准化,改进u-net可以有效防止模型的过拟合现象,从而提高模型的泛化能力。实验结果表明,该文提出的改进u-net对影像中的建筑物提取结果较好,在测试集上达到了94%以上的正确率,召回率达到79%,精确率达到78%,Kappa系数达到95%,相比u-net分别提高了2%、2%、16%以及4%,实现了对城市区域遥感影像中的建筑物精确、快速提取。

关键词：高分辨率遥感影像 u-net模型残差学习建筑物提取深度学习

来源：评论

学校读者我要写书评

暂无评论

飞机刹车盘动片损伤程度及更换需求智能评估算法

引用

中国安全科学学报 2024年第10期34卷 88-94页

作者：夏正洪何琥吴江陈玲王裕林康瑞中国民用航空飞行学院空中交通管理学院四川广汉618307 中国民用航空飞行学院飞机修理厂四川广汉618307 中国安全生产科学研究院北京100012

飞机刹车盘动片损伤超标将直接威胁飞行安全。为解决人工经验的刹车盘动片损伤程度评估存在检测效率低、主观性强等问题,提出一种基于图像分割的飞机刹车盘动片损伤程度及更换需求智能评估算法。首先,分析刹车盘动片损伤分类及特征信息... 详细信息

飞机刹车盘动片损伤超标将直接威胁飞行安全。为解决人工经验的刹车盘动片损伤程度评估存在检测效率低、主观性强等问题,提出一种基于图像分割的飞机刹车盘动片损伤程度及更换需求智能评估算法。首先,分析刹车盘动片损伤分类及特征信息;然后,基于u-net模型语义分割刹车盘动片损伤图像数据集,构建刹车盘动片损伤区域面积占比量化分析模型和脱落区域最大径向宽度计算模型;最后,使用Cessna525刹车盘动片图像数据验证模型。结果表明:u-net模型对刹车盘动片损伤类型的图像分割效果良好,平均精确率、平均召回率、平均像素准确率与平均交并比(Iou)分别为90.75%、91.25%、90.25%与87.25%。刹车盘损伤程度评估结果与经验丰富的机务工程师评估结论基本一致,且评估结果客观准确、可视化程度高,证明所提算法的合理性和可行性。

关键词：刹车盘动片损伤程度更换需求智能评估图像分割 u-net模型

来源：评论

学校读者我要写书评

暂无评论

改进u-net网络的肺野分割方法

引用

激光与光电子学进展 2021年

作者：易三莉王天伟杨雪莲佘芙蓉贺建峰昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

针对受肺肩区域和胸膈角以及肋骨影响胸部肺野难以准确分割的问题，提出了一种改进的u-net网络的肺野分割算法。首先使用inception模块代替u-net编码块中的卷积层，增加网络宽度的同时能够捕获更多图像特征；其次，在编码块与解码块中... 详细信息

针对受肺肩区域和胸膈角以及肋骨影响胸部肺野难以准确分割的问题，提出了一种改进的u-net网络的肺野分割算法。首先使用inception模块代替u-net编码块中的卷积层，增加网络宽度的同时能够捕获更多图像特征；其次，在编码块与解码块中引入残差网络，提升网络深度且保证网络稳定；然后，在编码与解码之间使用跳跃连接来增强特征的传递和利用，解决编码部分连续下采样对胸部肺野特征丢失的问题，最后在编码与解码部分结合通道和空间注意力机制来对图像特征进行重标定，从而有效提高分割精度。在公开的Montgomery County (MC)数据集上实验表明，本文所提算法的准确性、召回率、特异性、Miou(均交并比)分别为98.90%、97.81%、99.28%、97.17%。与其他分割算法对比，改进u-net算法能够对肺野精准分割，具有更高分割性能。

关键词：肺野分割 inception模块 residual模块跳跃连接 scSE模块 u-net模型

来源：评论

学校读者我要写书评

暂无评论

深度学习u-net方法及其在高分辨卫星影像分类中的应用

引用

遥感技术与应用 2020年第4期35卷 767-774页

作者：杨瑞祁元苏阳中国科学院西北生态环境资源研究院甘肃兰州730000 中国科学院大学北京100049

高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习u-net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过u-net模型提取胡... 详细信息

高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习u-net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过u-net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型,分类总体精度和Kappa系数分别为85.024%和0.7956,并与传统的支持向量机(SVM,Support Vector Machine)和面向对象的分类方法比较,结果表明:相对于SVM和面向对象,基于u-net模型的高分辨率卫星影像地物覆被分类,能够更好地对地物本质特征进行提取,分类效果较好,满足精度要求。

关键词：深度学习 u-net模型高分二号遥感影像 SVM 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：