检索结果-内蒙古大学图书馆

南京信息工程大学学报 2025年

作者：林文轩徐军南京信息工程大学自动化学院南京信息工程大学智能医学图像计算江苏省高校重点实验室南京信息工程大学未来技术学院

针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型。首先对原始DTI影像进行标准化预处理与张量拟合，获得三维FA图，随后沿轴向逐层切片，并应用双线性插值法... 详细信息

针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型。首先对原始DTI影像进行标准化预处理与张量拟合，获得三维FA图，随后沿轴向逐层切片，并应用双线性插值法将所有切片统一重采样到相同的大小，在此基础上，设计了通道注意力卷积模块，通过并行的卷积提取空间细节特征，同时应用自适应核长的通道间注意力机制动态重标定通道权重，有效学习并压缩局部纹理特征，经全连接层映射得到特征向量并作为后续图中的节点嵌入。然后，依据切片的空间连通性构建邻接矩阵，将切片视为图中的节点，并将节点特征向量与邻接矩阵组成图数据，输入三层堆叠的图注意力卷积层，通过可学习的注意力系数逐层聚合相邻及远邻切片信息，实现跨切片全局结构的融合。最终，经全局平均池化与全连接层输出分类结果。实验结果表明，本文提出的方法不仅在准确度和稳定性上优于传统影像分类模型，还验证了局部-全局注意力架构的优势，提供了一种从切片到图信号转换的新思路。

关键词：医学图像脑部影像分类深度学习注意力机制图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于空间和通道特征重构的肾脏病理组织分割网络

引用

计算机系统应用 2025年

作者：张昊旻蔡程飞徐军贾周南京信息工程大学未来技术学院南京信息工程大学智能医学图像计算江苏省高校重点实验室泰州学院信息工程学院江苏省大气环境与装备技术协同创新中心

全景切片图像中,肾脏组织在形态上形状不规则,大小差异显著,在类别上不同的肾脏组织会有相似的纹理和结构,并且还会存在类别不平衡的问题.针对上述问题,提出轻量级肾脏病理组织分割网络ASRMU-Net.首先在网络浅层引入空间重构单元(SSRU)... 详细信息

全景切片图像中,肾脏组织在形态上形状不规则,大小差异显著,在类别上不同的肾脏组织会有相似的纹理和结构,并且还会存在类别不平衡的问题.针对上述问题,提出轻量级肾脏病理组织分割网络ASRMU-Net.首先在网络浅层引入空间重构单元(SSRU),利用平均值和最大值捕捉肾脏组织不同的空间信息,通过门控机制和卷积操作自适应地重建空间特征,通过交叉重组增强有用特征;其次在网络中间层构建ASRM模块,利用空间和通道的特征重建与融合,增强特征表达能力;接着在网络深层引入通道重构单元(CSRU),采用自适应通道拆分、压缩与深度可分离卷积相结合的策略,通过融合高维和低维特征,并通过自适应加权重建,从而有效区分有相似纹理和结构的不同组织;最后通过改进损失函数来优化模型,减轻类别不平衡的影响.改进网络在间质纤维化数据集的MDice和MIoU为85.4%和74.8%,在AIDPATH数据集上的MDice和MIoU为96.1%和92.4%.结果表明,改进网络以较少的参数量实现了比其他医学分割模型更高的分割精度.

关键词：轻量级分割网络全景切片图像肾脏组织分割空间特征重构通道特征重构

来源：评论

学校读者我要写书评

暂无评论

基于多模态上下文表征学习的泛癌预后研究

引用

黑龙江大学自然科学学报 2025年第1期42卷 90-98页

作者：刘明新蔡程飞李军刘昀瓒徐军马吉权南京信息工程大学人工智能学院南京210044 南京信息工程大学未来技术学院智能医学图像计算江苏省高校重点实验室南京210044 南京信息工程大学自动化学院南京210044 哈尔滨华德学院数据科学与信息工程学院哈尔滨150025 黑龙江大学计算机与大数据学院哈尔滨150080

近年来,将病理和基因组特征融合用于癌症生存预测的研究备受关注。尽管在病理和基因组联合学习方面研究取得了一些进展,但仍存在以下难题:过度考虑多模态的共注意力交互而完全忽略了病理特征中的几何特征表示;全切片病理图像和基因组数... 详细信息

近年来,将病理和基因组特征融合用于癌症生存预测的研究备受关注。尽管在病理和基因组联合学习方面研究取得了一些进展,但仍存在以下难题:过度考虑多模态的共注意力交互而完全忽略了病理特征中的几何特征表示;全切片病理图像和基因组数据都非常复杂且具有异质性,病理切片的超大尺寸和基因组特征的高信噪比增加了特征提取和整合的难度,影响了模型的最优性能。为解决这些问题,提出了一种基于多模态上下文表征学习的转换器模型,通过对组织学图像中的形态和空间表示以及基因表达中的表格数据进行异质图表征建模,充分挖掘跨模态的上下文信息。实验结果表明,该方法在5个癌症基准数据集上均表现出优越的生存期预测效果。

关键词：计算病理学多模态深度学习几何表征学习生存分析

来源：评论

学校读者我要写书评

暂无评论

构建列线图模型预测急性前循环大血管闭塞患者机械取栓不良预后的研究

引用

创伤与急危重病医学 2024年第6期12卷 368-372页

作者：李金泽张罗今石琳李小婉张立波杨本强李晓秋段阳北部战区总医院放射诊断科辽宁沈阳110016 北部战区总医院神经外科辽宁沈阳110016 智能医学图像计算江苏省高校重点实验室南京信息工程大学未来技术学院江苏南京210044 山西省汾阳医院放射科山西汾阳032200 中国医科大学北部战区总医院研究生培养基地辽宁沈阳110016

目的探讨联合多因素构建列线图模型预测急性前循环大血管闭塞(ACLVO)机械取栓术后发生预后不良的研究。方法选择2018年1月至2022年12月于北部战区总医院接受机械取栓治疗的304例ACLVO患者,将3个月改良Rankin量表(mRS)≤2分的患者纳入预... 详细信息

目的探讨联合多因素构建列线图模型预测急性前循环大血管闭塞(ACLVO)机械取栓术后发生预后不良的研究。方法选择2018年1月至2022年12月于北部战区总医院接受机械取栓治疗的304例ACLVO患者,将3个月改良Rankin量表(mRS)≤2分的患者纳入预后良好组(n=140),mRS>2分的患者则纳入预后不良组(n=164)。通过单因素分析和多元Logistic回归分析筛选与预后不良相关的独立变量,将这些变量纳入列线图模型。应用校准曲线评价模型的拟合优度,受试者操作曲线(ROC)验证模型的预测效能,决策曲线分析(DCA)评价模型的临床应用价值。结果多元Logistic回归模型分析显示,年龄、入院国立卫生研究院卒中量表评分、糖化血红蛋白和血管成功再通为ACLVO机械取栓预后不良的独立预测因子。列线图模型显示出良好的校准和区分能力,ROC分析表明联合多因素构建列线图模型预测ACLVO患者机械取栓术后预后不良的效能优于各单因素模型,DCA亦表明该模型具有一定的临床价值。结论联合多因素构建的列线图模型对ACLVO患者机械取栓后预后不良发生风险具有较好的预测效能。

关键词：机械取栓急性前循环大血管闭塞预后列线图模型

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：