虚拟专题
Default Latest Most Read
Please wait a minute...
1. 基于双模态深度自编码的孤立性肺结节诊断方法
赵鑫,强彦,葛磊
计算机科学    2017, 44 (8): 312-317.   https://doi.org/10.11896/j.issn.1002-137X.2017.08.054
摘要 (null)   PDF (1078KB) (null)  
近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像。为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法。首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;然后,以候选结节的PET/CT图像作为整个深度自编码网络的输入,并对高层信息进行学习;最后,采用融合策略对多种特征进行融合并将其作为整个框架的输出。实验结果表明,提出的方法可以达到92.81%的准确率、91.75%的敏感度和1.58%的特异性,且优于其他方法的诊断性能,更适用于肺结节良/恶性的辅助诊断。
相关文章 | 多维度评价
被引次数: Baidu(3)
2. 基于改进自生成神经网络的肺部CT序列图像分割
廖晓磊,赵涓涓
计算机科学    2017, 44 (8): 296-300.   https://doi.org/10.11896/j.issn.1002-137X.2017.08.051
摘要 (null)   PDF (2407KB) (null)  
针对肺实质序列图像分割方法的时效性低和分割不完全性等问题,利用先验知识得到肺部CT序列ROI图像,提出超像素序列分割算法对ROI序列图像进行分割,采用改进的自生成神经网络对超像素进行聚类并优化,根据聚类后样本的灰度和位置特征识别肺实质区域。在序列肺实质图像的分割结果中,单张CT图像的平均处理时间为0.61s,同时能达到92.09±1.52%的平均肺部体素重合度。与已有的方法相比,所提算法能在相对较短的时间内获得较高的分割精准度。
相关文章 | 多维度评价
3. 自适应变异差分算法与Powell算法相结合的医学图像配准
刘哲,宋余庆,王栋栋
计算机科学    2017, 44 (11): 297-300.   https://doi.org/10.11896/j.issn.1002-137X.2017.11.045
摘要 (null)   PDF (587KB) (null)  
图像配准是医学图像处理中的关键技术。文中提出一种自适应差分算法(Difference Algorithm,DE)和Powell算法相结合的多分辨率医学图像配准方法,其不仅可以克服Powell算法依赖初始点的缺点,还可以降低陷入局部极值的几率。首先,对源图像进行多分辨处理,获得包括源图像在内的三层图像;然后,在低分辨率图像上使用自适应DE算法进行全局变换参数的搜索,获得的变换参数作为Powell算法的初始点;最后,在高分辨率图像及源图像上使用Powell算法进行配准。与传统实验相比,该方法具有更高的精确度,能够有效避免局部收敛问题。
相关文章 | 多维度评价
4. 基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法
耿艳萍,郭小英,王华夏,陈磊,李雪梅
计算机科学    2017, 44 (12): 260-265.   https://doi.org/10.11896/j.issn.1002-137X.2017.12.047
摘要 (null)   PDF (825KB) (null)  
针对很多基于模糊C均值(FCM)的图像分割算法存在对噪声敏感和分割轮廓不清晰等问题,提出一种基于小波变换图像融合算法和FCM聚类算法的MR医学图像分割算法。在图像分割系统的第一阶段,利用Haar小波多分辨率特性保持像素间的空间信息;第二阶段,利用小波图像融合算法对得到的多分辨率图像和原始图像进行融合,进而增强被处理图像的清晰度并降低噪声;第三阶段,利用改进型FCM技术对所处理的图像进行分割。在BrainWeb数据集上进行实验,与现有相关算法相比,提出的算法具有较高的分割精度,且对噪声的鲁棒性比较强,处理时间也没有明显增加。
相关文章 | 多维度评价
被引次数: Baidu(6)
5. 基于两步聚类和随机森林的乳腺腺管自动识别方法
王帅,刘娟,毕姚姚,陈哲,郑群花,段慧芳
计算机科学    2018, 45 (3): 247-252.   https://doi.org/10.11896/j.issn.1002-137X.2018.03.039
摘要 (null)   PDF (3456KB) (null)  
腺管的自动识别在乳腺癌的组织病理学诊断中十分关键,因为腺管密度 是乳腺癌分级中的一个重要因子。腺管由一个周围充满细胞质的中心管腔以及管腔周围均匀环绕的细胞核组成。若管腔、细胞质、细胞核 在空间位置上接近,则意味着这可能是一个腺管,但是这种识别方法会因为乳腺组织切片中存在脂肪、气泡以及其他类似管腔的对象而出现假阳性错误。为了解决上述问题,提出基于二次聚类与随机森林的腺管自动识别方法。首先通过一次聚类和二次聚类构建出待分割图片;然后通过形态学操作对图片进行处理,并在此基础上进行分割,进而构建候选腺管,利用中心管腔与其周围细胞核的空间位置关系以及一些统计特征来描述腺管;最后通过随机森林分类算法进行分类。实验结果表明,所提算法可以达到86%以上的准确率,为乳腺癌的自动分级奠定了基础。
相关文章 | 多维度评价
6. 基于多模态局部转向核的脑部多发性硬化检测算法研究
郭杨,秦品乐
计算机科学    2018, 45 (3): 241-246.   https://doi.org/10.11896/j.issn.1002-137X.2018.03.038
摘要 (null)   PDF (2053KB) (null)  
容积效应和伪影现象是MR影像处理中的重要影响因素,单模态处理方法易受两者影响。提出一种改进的基于多模态局部转向核的方法来检测大脑中的多发性硬化。该方法利用多模态脑MR影像和大脑近似轴对称的先验知识来进行大脑情况的变化检测。局部转向核能够度量像素与其周围环境的相似程度,因此该方法将局部转向核作为特征,用余弦相似性来衡量差异性。实验结果表明,多模态的引入减少了容积效应和伪影现象,改善了检测效果。
相关文章 | 多维度评价
7. 基于小波变换和倒谱分析的腭裂高鼻音等级自动识别
赵利博,刘奇,付方玲,何凌
计算机科学    2018, 45 (4): 278-284.   https://doi.org/10.11896/j.issn.1002-137X.2018.04.047
摘要 (null)   PDF (1900KB) (null)  
为实现对腭裂高鼻音等级的自动识别,通过对语音信号小波处理和特征提取方法的综合研究,提出基于小波分解系数倒谱特征的腭裂高鼻音等级自动识别算法。目前,研究人员对腭裂语音的研究多基于MFCC、Teager能量、香农能量等特征,识别正确率偏低,且计算量过大。文中对4种等级腭裂高鼻音的1789个元音\a\语音数据提取小波分解系数倒谱特征参数,使用KNN分类器对4种不同等级的高鼻音进行自动识别,将识别结果与MFCC、LPCC、基音周期、共振峰和短时能量共5种经典声学特征的识别结果作比较,同时使用SVM分类器对不同等级的腭裂高鼻音进行自动识别,并与KNN分类器进行对比。实验结果表明,基于小波分解系数倒谱特征的识别结果优于经典声学特征,且KNN分类器的识别结果优于SVM分类器。小波分解系数倒谱特征在KNN中的识别率最高达到91.67%,在SVM中达到87.60%,经典声学特征在KNN分类器中的识别率为21.69%~84.54%,在SVM中的识别率为30.61%~78.24%。
相关文章 | 多维度评价
8. 基于血管内超声图像的心血管动脉粥样硬化斑块组织自动定征的研究
黄志杰,王伊侬,王青
计算机科学    2018, 45 (5): 260-265.   https://doi.org/10.11896/j.issn.1002-137X.2018.05.045
摘要 (null)   PDF (5000KB) (null)  
为了获取患者心血管内斑块特征的准确信息,并辅助临床医生对动脉粥样硬化区域进行判断和识别,文中进行了基于血管内超声(IVUS)图像的心血管粥样硬化斑块组织自动定征的研究。本研究收集了10个心血管疾病患者的IVUS图像,共207块斑块样本。首先,确定滑动邻域块的尺寸,令其中心像素遍历斑块区域,遍历过程中计算每个滑动邻域块的灰度均值和熵,并沿4个方向运用灰度共生矩阵法求出共生矩阵的10个局部特征;然后,对IVUS图像进行Gabor滤波和局部二值模式(LBP)处理,获得了更多的图像纹理特征;最后,通过线性分类器Liblinear、随机森林分类器(Random Forests)和调和最小值-广义学习向量量化分类器(H2M-GLVQ)对降维后的特征数据进行分类判决。将医生人工标记的结果作为金标准,自动定征的实验结果表明,随机森林和H2M-GLVQ分类器总体上对斑块组织的识别准确率均达到80%以上,其中随机森林分类器识别纤维化、脂质和钙化样本斑块的平均识别准确率分别为89.04%,80.23%和73.77%。
相关文章 | 多维度评价
9. 一种BPNNs识别算法的医学检测泛实时性问题研究
刘玉成, 理查德·丁, 张颖超
计算机科学    2018, 45 (6): 301-307.   https://doi.org/10.11896/j.issn.1002-137X.2018.06.053
摘要 (null)   PDF (3995KB) (null)  
尿沉渣空间环境的复杂性,导致采集的有形成分图像存在较多冗余信息,提取有效的图像信息变得较为困难,进而使得识别系统需要处理的数据量十分巨大。虽然BP神经网络算法的串行版本DJ8000系统平台解决了细胞等有形成分的识别准确率问题,但其不能满足尿沉渣图像医学检验的实时性要求。为此,提出了基于BP神经网络算法优化的并行处理GPU框架的系统平台。它采用并行优化框架,同步高效地对数据进行加速处理;同时,以GPU 计算和测试平台为硬件系统支持,无论是在硬件指标、数据传输及总线技术还是软硬件的兼容性方面,都有助于解决算法中时常出现的负载不均衡的问题。实验数据表明,BP神经网络尿沉渣识别算法在优化并行框架的GPU 系统处理平台上显示的加速比、时效比和运行时间等相关性能参数值都有所提升。相比于DJ8000系统平台,优化的AMD HD7970 和 NVIDIAGTX680 两个并行处理GPU框架系统平台相应的加速比参数值分别是前者的10.82~21.35个和7.63~15.28个标准当量。实验数据充分说明,优化并行框架的GPU处理系统中相关的逻辑数据、地址数据和线性寻程的函数映射关系均能相互动态分配对接并优化算法架构,实现软件到硬件系统的最优比映射,最终解决由于线程间负载不均衡导致的性能瓶颈问题,从而有效地化解了医学领域实时检测中的时效性这一难题。
相关文章 | 多维度评价
10. 基于约束随机游走的肿瘤图像分割方法
刘庆烽, 刘哲, 宋余庆, 朱彦
计算机科学    2018, 45 (7): 243-247.   https://doi.org/10.11896/j.issn.1002-137X.2018.07.042
摘要 (null)   PDF (4887KB) (null)  
精确的肺部肿瘤区域分割对于放射治疗和手术计划的制定至关重要。针对目前基于单模态图像的肺部肿瘤区域分割的精度较低等问题,综合PET和CT图像的优缺点,提出一种全新的多模态肺部肿瘤图像分割方法。首先,使用区域生长法和数学形态学法对PET图像进行预分割以获取初始轮廓,初始轮廓用于获取PET图像和CT图像上随机游走所需的种子点,同时作为约束加入到CT图像的随机游走过程中;依据CT图像解剖特征较强的特点,利用CT解剖特征改进PET图像上随机游走的权值;最终将PET图像和CT图像上随机游走所获得的相似度矩阵进行加权,在PET图像和CT图像上获得一个相同的分割轮廓。实验表明,相较于其他传统分割算法,所提方法在肺部肿瘤区域分割上具有更高的精确度和更好的稳定性。
相关文章 | 多维度评价
首页 | 上一页 | 下一页 | 尾页 第 1 页, 共4 页    总共32 条记录