期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力机制的医学影像深度哈希检索算法
1
作者
朱承璋
黄嘉儿
+2 位作者
肖亚龙
王晗
邹北骥
《计算机科学》
CSCD
北大核心
2022年第8期113-119,共7页
针对现阶段医学影像检索中检索性能差、精度低、缺乏可解释性等一系列问题,提出了一种结合了注意力机制的医学影像检索算法。以深度卷积神经网络为基础,以贝叶斯模型为框架,所提算法引入了由语义特征引导的注意力机制模块,通过分类网络...
针对现阶段医学影像检索中检索性能差、精度低、缺乏可解释性等一系列问题,提出了一种结合了注意力机制的医学影像检索算法。以深度卷积神经网络为基础,以贝叶斯模型为框架,所提算法引入了由语义特征引导的注意力机制模块,通过分类网络的引导,生成包含语义信息的局部特征描述子,同时使用全局特征与富含语义信息的局部特征作为哈希网络的输入,引导哈希网络从全局和局部的角度关注重要特征区域,增强了哈希编码的特征表达能力,并引入加权似然估计函数解决了正负样本对数量不均衡的问题。采用MAP和NDCG作为评价指标,选择ChestX-ray14数据集进行实验,将所提算法与目前常用的深度哈希方法进行对比。实验结果表明,本文算法在哈希编码不同码位下的MAP值和NDCG值都远优于现有的深度哈希方法,证明了其有效性。
展开更多
关键词
医学影像检索
注意力机制
深度哈希
贝叶斯框架
卷积神经网络
下载PDF
职称材料
医学影像处理的深度学习可解释性研究进展
被引量:
11
2
作者
陈园琼
邹北骥
+3 位作者
张美华
廖望旻
黄嘉儿
朱承璋
《浙江大学学报(理学版)》
CAS
CSCD
北大核心
2021年第1期18-29,40,共13页
随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理...
随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。
展开更多
关键词
深度学习
医学影像
可解释性
下载PDF
职称材料
题名
基于注意力机制的医学影像深度哈希检索算法
1
作者
朱承璋
黄嘉儿
肖亚龙
王晗
邹北骥
机构
中南大学计算机学院
中南大学文学与新闻传播学院
“移动医疗”教育部-中国移动联合实验室
湖南省机器视觉与智慧医疗工程技术研究中心
出处
《计算机科学》
CSCD
北大核心
2022年第8期113-119,共7页
基金
科技创新2030-“新一代人工智能”重大项目(2018AAA0102100)
湖南省高新技术产业科技创新引领计划(2020GK2021)。
文摘
针对现阶段医学影像检索中检索性能差、精度低、缺乏可解释性等一系列问题,提出了一种结合了注意力机制的医学影像检索算法。以深度卷积神经网络为基础,以贝叶斯模型为框架,所提算法引入了由语义特征引导的注意力机制模块,通过分类网络的引导,生成包含语义信息的局部特征描述子,同时使用全局特征与富含语义信息的局部特征作为哈希网络的输入,引导哈希网络从全局和局部的角度关注重要特征区域,增强了哈希编码的特征表达能力,并引入加权似然估计函数解决了正负样本对数量不均衡的问题。采用MAP和NDCG作为评价指标,选择ChestX-ray14数据集进行实验,将所提算法与目前常用的深度哈希方法进行对比。实验结果表明,本文算法在哈希编码不同码位下的MAP值和NDCG值都远优于现有的深度哈希方法,证明了其有效性。
关键词
医学影像检索
注意力机制
深度哈希
贝叶斯框架
卷积神经网络
Keywords
Medical image retrieval
Attention mechanism
Deep hashing
Bayesian framework
Convolutional neural networks
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
医学影像处理的深度学习可解释性研究进展
被引量:
11
2
作者
陈园琼
邹北骥
张美华
廖望旻
黄嘉儿
朱承璋
机构
中南大学计算机学院
吉首大学软件学院
“移动医疗”教育部-中国移动联合实验室
机器视觉与智慧医疗工程技术中心
中南大学文学与新闻传播学院
出处
《浙江大学学报(理学版)》
CAS
CSCD
北大核心
2021年第1期18-29,40,共13页
基金
国家自然科学基金资助项目(61702559)
国家重大科技专项(2018AAA0102102)
+3 种基金
国家重点研发计划项目(2017YFC0909901)湖南省科技计划项目(2017WK2074)
湖南省自然科学基金资助项目(2018JJ3686)
高等学校学科创新引智计划项目(B18059)
湖南省教育厅科学研究项目(19C1535).
文摘
随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。
关键词
深度学习
医学影像
可解释性
Keywords
deep learning
medical image processing
interpretability
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于注意力机制的医学影像深度哈希检索算法
朱承璋
黄嘉儿
肖亚龙
王晗
邹北骥
《计算机科学》
CSCD
北大核心
2022
0
下载PDF
职称材料
2
医学影像处理的深度学习可解释性研究进展
陈园琼
邹北骥
张美华
廖望旻
黄嘉儿
朱承璋
《浙江大学学报(理学版)》
CAS
CSCD
北大核心
2021
11
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部