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
基于深层多尺度聚合3D U-Net的肾脏与肾肿瘤分割方法
被引量:
1
1
作者
张芳
郝思敏
耿磊
《天津工业大学学报》
CAS
北大核心
2023年第6期84-90,共7页
针对电子计算机断层扫描(CT)图像中肾肿瘤形态复杂多变、肿瘤目标小、肿瘤边缘复杂等问题,提出了深层多尺度聚合3D U-Net网络分割模型。该模型在U-Net++基础上新增了3个下采样操作,利用密集嵌套的3D U-Net和解码器层的跳跃连接以及各层...
针对电子计算机断层扫描(CT)图像中肾肿瘤形态复杂多变、肿瘤目标小、肿瘤边缘复杂等问题,提出了深层多尺度聚合3D U-Net网络分割模型。该模型在U-Net++基础上新增了3个下采样操作,利用密集嵌套的3D U-Net和解码器层的跳跃连接以及各层级3D U-Net子网络之间的跳跃连接,促进各个层级和各个尺度的特征信息融合,增强了对细节特征的提取能力,从而提升了对小尺度肾肿瘤和肿瘤边缘的分割精度。实验结果表明:该模型能够准确分割边缘复杂以及尺度较小的肾肿瘤,在KiTS19公开数据集上进行评估,本文模型对肾脏分割的Dise系数为0.968 2,对肿瘤分割的Dise系数为0.790 8,分割性能良好。
展开更多
关键词
肾肿瘤
自动分割
CT图像
3D
U-Net
深层
多尺度
聚合
下载PDF
职称材料
基于形变卷积和深层聚合网络的水下文物检测
被引量:
1
2
作者
周道先
张吟龙
+2 位作者
徐高飞
杨雨沱
梁炜
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第11期185-195,共11页
搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检...
搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检测。针对上述问题,提出一种基于可形变深层聚合网络模型的水下文物检测算法。为了充分提取复杂环境下水下文物目标特征信息,设计了具有可形变卷积层的多尺度深层聚合网络。在此基础上,引入SimAM注意力模型进行特征优化,来增强文物目标潜在特征信息并削弱背景干扰。最后,通过不同尺度的特征融合实现水下文物检测。在采集的水下文物数据集上进行大量验证和分析,算法的精确率、召回率和平均精度均值(mAP)分别达到了92.7%、90.5%和92.2%。此外,算法已部署到AUV系统中。在实际深海测试场景中,视觉检测系统的文物检测帧率达到19 fps,可满足实时检测的任务需求。
展开更多
关键词
自主水下航行器
水下目标检测
可形变卷积
多尺度深层聚合
注意力机制
下载PDF
职称材料
题名
基于深层多尺度聚合3D U-Net的肾脏与肾肿瘤分割方法
被引量:
1
1
作者
张芳
郝思敏
耿磊
机构
天津工业大学生命科学学院
天津工业大学电子与信息工程学院
天津工业大学天津市光电检测技术与系统重点实验室
出处
《天津工业大学学报》
CAS
北大核心
2023年第6期84-90,共7页
基金
京津冀基础研究合作专项(H2021202008)
天津市自然科学基金青年项目(18JCQNJC70600)。
文摘
针对电子计算机断层扫描(CT)图像中肾肿瘤形态复杂多变、肿瘤目标小、肿瘤边缘复杂等问题,提出了深层多尺度聚合3D U-Net网络分割模型。该模型在U-Net++基础上新增了3个下采样操作,利用密集嵌套的3D U-Net和解码器层的跳跃连接以及各层级3D U-Net子网络之间的跳跃连接,促进各个层级和各个尺度的特征信息融合,增强了对细节特征的提取能力,从而提升了对小尺度肾肿瘤和肿瘤边缘的分割精度。实验结果表明:该模型能够准确分割边缘复杂以及尺度较小的肾肿瘤,在KiTS19公开数据集上进行评估,本文模型对肾脏分割的Dise系数为0.968 2,对肿瘤分割的Dise系数为0.790 8,分割性能良好。
关键词
肾肿瘤
自动分割
CT图像
3D
U-Net
深层
多尺度
聚合
Keywords
kidney tumors
automatic segmentation
CT images
3D U-Net
deep multi-scale aggregation
分类号
TP391.4 [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
基于形变卷积和深层聚合网络的水下文物检测
被引量:
1
2
作者
周道先
张吟龙
徐高飞
杨雨沱
梁炜
机构
沈阳理工大学自动化与电气工程学院
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院网络化控制系统重点实验室
中国科学院机器人与智能制造创新研究院
中国科学院深海科学与工程研究所
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第11期185-195,共11页
基金
中国科学院对外合作重点项目(173321KYSB20200002)
中国科学院青年创新促进会会员(2022201)
+1 种基金
国家自然科学基金(62273332)
广东省基础与应用基础研究基金(2023A1515011363)项目资助
文摘
搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检测。针对上述问题,提出一种基于可形变深层聚合网络模型的水下文物检测算法。为了充分提取复杂环境下水下文物目标特征信息,设计了具有可形变卷积层的多尺度深层聚合网络。在此基础上,引入SimAM注意力模型进行特征优化,来增强文物目标潜在特征信息并削弱背景干扰。最后,通过不同尺度的特征融合实现水下文物检测。在采集的水下文物数据集上进行大量验证和分析,算法的精确率、召回率和平均精度均值(mAP)分别达到了92.7%、90.5%和92.2%。此外,算法已部署到AUV系统中。在实际深海测试场景中,视觉检测系统的文物检测帧率达到19 fps,可满足实时检测的任务需求。
关键词
自主水下航行器
水下目标检测
可形变卷积
多尺度深层聚合
注意力机制
Keywords
autonomous underwater vehicle
underwater target detection
deformable convolution
multi-scale deep lager aggregation
attention mechanism
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TH701 [机械工程—精密仪器及机械]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深层多尺度聚合3D U-Net的肾脏与肾肿瘤分割方法
张芳
郝思敏
耿磊
《天津工业大学学报》
CAS
北大核心
2023
1
下载PDF
职称材料
2
基于形变卷积和深层聚合网络的水下文物检测
周道先
张吟龙
徐高飞
杨雨沱
梁炜
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023
1
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