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
9
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DSception模块和注意力机制的皮肤病分类识别
1
作者
李家成
叶哲江
+1 位作者
杨嘉林
张鹏飞
《电视技术》
2021年第8期133-139,共7页
为了解决皮肤病图像数据集类内差异大、类间差异小、样本数据集小而带来的过拟合问题,提出基于DSception模块和SE模块的轻量型模型。模型选择ResNet50作为基底结构,用DSception模块代替深度残差网络中的卷积池化层,有效地减少模型训练参...
为了解决皮肤病图像数据集类内差异大、类间差异小、样本数据集小而带来的过拟合问题,提出基于DSception模块和SE模块的轻量型模型。模型选择ResNet50作为基底结构,用DSception模块代替深度残差网络中的卷积池化层,有效地减少模型训练参数,降低时间复杂度,增加了网络的宽度;利用SE模块代替残差网络中的瓶颈结构,减少训练参数的同时,对图像通道维度重标定,强化特征图重要信息,抑制无用信息。实验表明所提模型准确率达到93.3%,对皮肤病的诊断分类有明显的效果。
展开更多
关键词
皮肤病分类
深度学习
DSception模块
SE模块
通道注意力
下载PDF
职称材料
评《国际皮肤病分类与名称》出版发行
2
作者
龙振华
《临床皮肤科杂志》
CAS
CSCD
北大核心
2008年第11期698-698,共1页
在马振友等医师的精心组织下,经过世界卫生组织(WHO)疾病分类合作中心病案专家和国内外中医、西医、中西医结合数十位皮肤病学专家历时8年的共同努力、密切合作和辛勤工作,《国际皮肤病分类与名称》终于在2007年出版发行,这部200...
在马振友等医师的精心组织下,经过世界卫生组织(WHO)疾病分类合作中心病案专家和国内外中医、西医、中西医结合数十位皮肤病学专家历时8年的共同努力、密切合作和辛勤工作,《国际皮肤病分类与名称》终于在2007年出版发行,这部200万字的巨著是该书作者们集体智慧的结晶。
展开更多
关键词
《国际
皮肤病分类
与名称》
发行
出版
名称
世界卫生组织
合作中心
下载PDF
职称材料
规范使用国际和中国皮肤病分类编码及名称
3
作者
马振友
韩世荣
马毳毳
《中国皮肤性病学杂志》
CAS
北大核心
2014年第7期748-749,757,共3页
目的规范皮肤病分类和名称。方法回顾国际皮肤病分类历史,中国执行皮肤病分类状况,中国皮肤病名称的现状及存在的问题。结果中国与国际皮肤病分类接轨,皮肤科医师没有参与,中国皮肤病名称有待规范。结论皮肤科医师必须学习国际皮肤病分...
目的规范皮肤病分类和名称。方法回顾国际皮肤病分类历史,中国执行皮肤病分类状况,中国皮肤病名称的现状及存在的问题。结果中国与国际皮肤病分类接轨,皮肤科医师没有参与,中国皮肤病名称有待规范。结论皮肤科医师必须学习国际皮肤病分类,皮肤病名称必须规范统一。
展开更多
关键词
皮肤病
学
国际疾病
分类
国际
皮肤病分类
中国
下载PDF
职称材料
基于改进ResNet50的皮肤病变图像分类
被引量:
1
4
作者
王师玮
陈俊
易才键
《软件工程》
2023年第6期50-54,共5页
为解决皮肤科医生人工识别皮肤癌过程中存在效率低、劳动强度大等问题,提出一种皮肤病变图像分类模型DS-ResNet50。该模型在ResNet50(深度残差网络)的基础上进行改进:设计了双尺度空洞卷积模块,通过级联不同空洞率的深度卷积核提取不同...
为解决皮肤科医生人工识别皮肤癌过程中存在效率低、劳动强度大等问题,提出一种皮肤病变图像分类模型DS-ResNet50。该模型在ResNet50(深度残差网络)的基础上进行改进:设计了双尺度空洞卷积模块,通过级联不同空洞率的深度卷积核提取不同尺度的特征信息并进行融合;引入轻量型注意力模块SimAM,使模型更好地聚焦主体目标提炼关键特征。选用Focal Loss函数,调节损失权重,使模型更关注难分类样本,提高对难分类样本的分类准确率。DS-ResNet50模型在ISIC2017数据集上的分类准确率比ResNet50模型提升了0.88%,验证了此模型的有效性。
展开更多
关键词
皮肤病
变图像
分类
空洞卷积
SimAM
Focal
Loss
下载PDF
职称材料
基于深度卷积神经网络的色素性皮肤病识别分类
被引量:
13
5
作者
何雪英
韩忠义
魏本征
《计算机应用》
CSCD
北大核心
2018年第11期3236-3240,共5页
针对当前皮肤病识别分类面临的两个主要问题:一是由于皮肤病种类繁多,病灶外观的类间相似度高和类内差异化大,尤其是色素性皮肤病,使得皮肤病的识别分类比较困难;二是皮肤病识别算法模型设计存在一定的局限性,识别率还有待进一步提高。...
针对当前皮肤病识别分类面临的两个主要问题:一是由于皮肤病种类繁多,病灶外观的类间相似度高和类内差异化大,尤其是色素性皮肤病,使得皮肤病的识别分类比较困难;二是皮肤病识别算法模型设计存在一定的局限性,识别率还有待进一步提高。为此,以VGG19模型为基础架构,训练了一个结构化的深度卷积神经网络(CNN),实现了色素性皮肤病的自动分类。首先,采用数据增强(裁剪、翻转、镜像)对数据进行预处理;其次,将在Image Net上预训练好的模型,迁移至增强后的数据集进行调优训练,训练过程中通过设置Softmax损失函数的权重,增加少数类判别错误的损失,来缓解数据集中存在的类别不平衡问题,提高模型的识别率。实验采用深度学习框架Py Torch,在数据集ISIC2017上进行。实验结果表明,该方法的识别率和敏感性可分别达到71.34%、70.01%,相比未设置损失函数的权重时分别提高了2.84、11.68个百分点,说明该方法是一种有效的皮肤病识别分类方法。
展开更多
关键词
色素性
皮肤病
皮肤
镜图像
皮肤病分类
深度学习
卷积神经网络
类别不平衡
下载PDF
职称材料
深度卷积神经网络在皮肤病图像分类中的应用
6
作者
张爱玲
《中国新通信》
2019年第16期227-229,共3页
图像分类识别技术在当今社会中的应用非常普遍,涉及工业、农业、医疗、军事、交通等各个方面。而深度卷积神经网络在近年来被证明在图像分类识别中表现优秀,本文就深度卷积神经网络在皮肤病图像分类中的应用进行研究和分析,选取两种较...
图像分类识别技术在当今社会中的应用非常普遍,涉及工业、农业、医疗、军事、交通等各个方面。而深度卷积神经网络在近年来被证明在图像分类识别中表现优秀,本文就深度卷积神经网络在皮肤病图像分类中的应用进行研究和分析,选取两种较为流行的深度卷积神经网络算法对皮肤病图像进行分类实验,分析比较实验结果。
展开更多
关键词
深度卷积神经网络
图像识别
皮肤病分类
下载PDF
职称材料
皮肤病名称辨析
7
作者
马毳毳
张孝友
+1 位作者
马振友
赵波
《中国医学文摘(皮肤科学)》
2008年第3期149-152,共4页
介绍WHO国际疾病分类、国际皮肤病分类及中华人民共和国国家标准和审定皮肤病名称以及相关名称的规范和使用,对病与症、角化病与角化症、脱发与秃发、缺乏与缺陷等病名的应用提出见解,对若干WHO和国家名词提出修订意见。
关键词
皮肤病
名称
WHO国际疾病
分类
国际
皮肤病分类
下载PDF
职称材料
宁洱县10500人次皮肤病患者情况分析
8
作者
何卫国
《皮肤病与性病》
2021年第3期447-447,451,共2页
目的了解宁洱县(2015~2017)年3年内皮肤病流行情况,为皮肤病治疗策略制定提供依据。方法通过皮肤科每日诊治患者病种人次统计分析。结果3年内共诊治各类皮肤病10500人次,其中湿疹皮炎类2670人次,荨麻疹类1196人次,真菌性皮炎1113人次,...
目的了解宁洱县(2015~2017)年3年内皮肤病流行情况,为皮肤病治疗策略制定提供依据。方法通过皮肤科每日诊治患者病种人次统计分析。结果3年内共诊治各类皮肤病10500人次,其中湿疹皮炎类2670人次,荨麻疹类1196人次,真菌性皮炎1113人次,三类疾病占所诊治皮肤病人次的47.42%。结论宁洱县医院皮肤科应以上述三类疾病为主,应加强落实相应诊治措施。
展开更多
关键词
基层
医院
皮肤病
种
分类
诊治措施
下载PDF
职称材料
基于深度残差网络的皮肤癌黑色素瘤识别
被引量:
13
9
作者
管秋
李疆
+2 位作者
胡海根
龚明杰
陈峰
《浙江工业大学学报》
CAS
北大核心
2019年第4期430-435,共6页
作为皮肤癌黑色素瘤主要检查手段的皮肤镜图像存在显著性低、类内差异大和样本数据量少等问题,难以采用传统算法实现高准确的识别。深度学习算法引入皮肤癌症检测,提出了一种基于深度残差网络的黑色素瘤识别算法。该算法通过构建深度残...
作为皮肤癌黑色素瘤主要检查手段的皮肤镜图像存在显著性低、类内差异大和样本数据量少等问题,难以采用传统算法实现高准确的识别。深度学习算法引入皮肤癌症检测,提出了一种基于深度残差网络的黑色素瘤识别算法。该算法通过构建深度残差网络提取皮肤镜图像的高维特征,使用残差学习防止网络梯度退化、降低网络训练的难度,实现了黑色素瘤的有效识别。相关仿真实验结果表明:所提出的基于深度残差网络的黑色素瘤识别算法性能明显优于基于卷积神经网络传统的算法,具有更高的准确性、敏感性、特异性和鲁棒性。
展开更多
关键词
黑色素瘤识别
皮肤病
损
分类
残差学习
深度神经网络
下载PDF
职称材料
题名
基于DSception模块和注意力机制的皮肤病分类识别
1
作者
李家成
叶哲江
杨嘉林
张鹏飞
机构
昆明理工大学信息工程与自动化学院
出处
《电视技术》
2021年第8期133-139,共7页
文摘
为了解决皮肤病图像数据集类内差异大、类间差异小、样本数据集小而带来的过拟合问题,提出基于DSception模块和SE模块的轻量型模型。模型选择ResNet50作为基底结构,用DSception模块代替深度残差网络中的卷积池化层,有效地减少模型训练参数,降低时间复杂度,增加了网络的宽度;利用SE模块代替残差网络中的瓶颈结构,减少训练参数的同时,对图像通道维度重标定,强化特征图重要信息,抑制无用信息。实验表明所提模型准确率达到93.3%,对皮肤病的诊断分类有明显的效果。
关键词
皮肤病分类
深度学习
DSception模块
SE模块
通道注意力
Keywords
classification of skin diseases
deep learning
DSception module
SE module
channel attention
分类号
R751 [医药卫生—皮肤病学与性病学]
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
评《国际皮肤病分类与名称》出版发行
2
作者
龙振华
出处
《临床皮肤科杂志》
CAS
CSCD
北大核心
2008年第11期698-698,共1页
文摘
在马振友等医师的精心组织下,经过世界卫生组织(WHO)疾病分类合作中心病案专家和国内外中医、西医、中西医结合数十位皮肤病学专家历时8年的共同努力、密切合作和辛勤工作,《国际皮肤病分类与名称》终于在2007年出版发行,这部200万字的巨著是该书作者们集体智慧的结晶。
关键词
《国际
皮肤病分类
与名称》
发行
出版
名称
世界卫生组织
合作中心
分类号
R197.323 [医药卫生—卫生事业管理]
R751 [医药卫生—皮肤病学与性病学]
下载PDF
职称材料
题名
规范使用国际和中国皮肤病分类编码及名称
3
作者
马振友
韩世荣
马毳毳
机构
马振友皮肤病研究所
陕西省中医医院
出处
《中国皮肤性病学杂志》
CAS
北大核心
2014年第7期748-749,757,共3页
文摘
目的规范皮肤病分类和名称。方法回顾国际皮肤病分类历史,中国执行皮肤病分类状况,中国皮肤病名称的现状及存在的问题。结果中国与国际皮肤病分类接轨,皮肤科医师没有参与,中国皮肤病名称有待规范。结论皮肤科医师必须学习国际皮肤病分类,皮肤病名称必须规范统一。
关键词
皮肤病
学
国际疾病
分类
国际
皮肤病分类
中国
Keywords
Dermatology
International classification of diseases, ICD
International classification of skin diseases
China
分类号
R75 [医药卫生—皮肤病学与性病学]
下载PDF
职称材料
题名
基于改进ResNet50的皮肤病变图像分类
被引量:
1
4
作者
王师玮
陈俊
易才键
机构
福州大学物理与信息工程学院
出处
《软件工程》
2023年第6期50-54,共5页
文摘
为解决皮肤科医生人工识别皮肤癌过程中存在效率低、劳动强度大等问题,提出一种皮肤病变图像分类模型DS-ResNet50。该模型在ResNet50(深度残差网络)的基础上进行改进:设计了双尺度空洞卷积模块,通过级联不同空洞率的深度卷积核提取不同尺度的特征信息并进行融合;引入轻量型注意力模块SimAM,使模型更好地聚焦主体目标提炼关键特征。选用Focal Loss函数,调节损失权重,使模型更关注难分类样本,提高对难分类样本的分类准确率。DS-ResNet50模型在ISIC2017数据集上的分类准确率比ResNet50模型提升了0.88%,验证了此模型的有效性。
关键词
皮肤病
变图像
分类
空洞卷积
SimAM
Focal
Loss
Keywords
image classification of skin lesions
dilated convolution
SimAM
Focal Loss
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
基于深度卷积神经网络的色素性皮肤病识别分类
被引量:
13
5
作者
何雪英
韩忠义
魏本征
机构
山东中医药大学理工学院
出处
《计算机应用》
CSCD
北大核心
2018年第11期3236-3240,共5页
基金
山东省自然科学基金资助项目(ZR2015FM010)
山东高等学校科技计划项目(J15LN20)
+1 种基金
山东省医药卫生科技发展计划项目(2016WS0577)
山东省中医药科技发展计划项目(2017-001)~~
文摘
针对当前皮肤病识别分类面临的两个主要问题:一是由于皮肤病种类繁多,病灶外观的类间相似度高和类内差异化大,尤其是色素性皮肤病,使得皮肤病的识别分类比较困难;二是皮肤病识别算法模型设计存在一定的局限性,识别率还有待进一步提高。为此,以VGG19模型为基础架构,训练了一个结构化的深度卷积神经网络(CNN),实现了色素性皮肤病的自动分类。首先,采用数据增强(裁剪、翻转、镜像)对数据进行预处理;其次,将在Image Net上预训练好的模型,迁移至增强后的数据集进行调优训练,训练过程中通过设置Softmax损失函数的权重,增加少数类判别错误的损失,来缓解数据集中存在的类别不平衡问题,提高模型的识别率。实验采用深度学习框架Py Torch,在数据集ISIC2017上进行。实验结果表明,该方法的识别率和敏感性可分别达到71.34%、70.01%,相比未设置损失函数的权重时分别提高了2.84、11.68个百分点,说明该方法是一种有效的皮肤病识别分类方法。
关键词
色素性
皮肤病
皮肤
镜图像
皮肤病分类
深度学习
卷积神经网络
类别不平衡
Keywords
pigmented skin lesion
dermoscopic image
skin lesion classification
deep leaning
Convolutional Neural Network(CNN)
class-imbalance
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
深度卷积神经网络在皮肤病图像分类中的应用
6
作者
张爱玲
机构
临朐县技工学校
出处
《中国新通信》
2019年第16期227-229,共3页
文摘
图像分类识别技术在当今社会中的应用非常普遍,涉及工业、农业、医疗、军事、交通等各个方面。而深度卷积神经网络在近年来被证明在图像分类识别中表现优秀,本文就深度卷积神经网络在皮肤病图像分类中的应用进行研究和分析,选取两种较为流行的深度卷积神经网络算法对皮肤病图像进行分类实验,分析比较实验结果。
关键词
深度卷积神经网络
图像识别
皮肤病分类
分类号
R751 [医药卫生—皮肤病学与性病学]
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
皮肤病名称辨析
7
作者
马毳毳
张孝友
马振友
赵波
机构
西安交通大学第二附属医院皮肤科
马振友皮肤病研究所
出处
《中国医学文摘(皮肤科学)》
2008年第3期149-152,共4页
文摘
介绍WHO国际疾病分类、国际皮肤病分类及中华人民共和国国家标准和审定皮肤病名称以及相关名称的规范和使用,对病与症、角化病与角化症、脱发与秃发、缺乏与缺陷等病名的应用提出见解,对若干WHO和国家名词提出修订意见。
关键词
皮肤病
名称
WHO国际疾病
分类
国际
皮肤病分类
分类号
R751.05 [医药卫生—皮肤病学与性病学]
R197.323 [医药卫生—卫生事业管理]
下载PDF
职称材料
题名
宁洱县10500人次皮肤病患者情况分析
8
作者
何卫国
机构
宁洱县人民医院皮肤性病科
出处
《皮肤病与性病》
2021年第3期447-447,451,共2页
文摘
目的了解宁洱县(2015~2017)年3年内皮肤病流行情况,为皮肤病治疗策略制定提供依据。方法通过皮肤科每日诊治患者病种人次统计分析。结果3年内共诊治各类皮肤病10500人次,其中湿疹皮炎类2670人次,荨麻疹类1196人次,真菌性皮炎1113人次,三类疾病占所诊治皮肤病人次的47.42%。结论宁洱县医院皮肤科应以上述三类疾病为主,应加强落实相应诊治措施。
关键词
基层
医院
皮肤病
种
分类
诊治措施
分类号
R181.8 [医药卫生—流行病学]
R751 [医药卫生—皮肤病学与性病学]
下载PDF
职称材料
题名
基于深度残差网络的皮肤癌黑色素瘤识别
被引量:
13
9
作者
管秋
李疆
胡海根
龚明杰
陈峰
机构
浙江工业大学计算机科学与技术学院
浙江大学附属第一医院
出处
《浙江工业大学学报》
CAS
北大核心
2019年第4期430-435,共6页
文摘
作为皮肤癌黑色素瘤主要检查手段的皮肤镜图像存在显著性低、类内差异大和样本数据量少等问题,难以采用传统算法实现高准确的识别。深度学习算法引入皮肤癌症检测,提出了一种基于深度残差网络的黑色素瘤识别算法。该算法通过构建深度残差网络提取皮肤镜图像的高维特征,使用残差学习防止网络梯度退化、降低网络训练的难度,实现了黑色素瘤的有效识别。相关仿真实验结果表明:所提出的基于深度残差网络的黑色素瘤识别算法性能明显优于基于卷积神经网络传统的算法,具有更高的准确性、敏感性、特异性和鲁棒性。
关键词
黑色素瘤识别
皮肤病
损
分类
残差学习
深度神经网络
Keywords
melanoma recognition
skin lesion classification
residual learning
deep neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于DSception模块和注意力机制的皮肤病分类识别
李家成
叶哲江
杨嘉林
张鹏飞
《电视技术》
2021
0
下载PDF
职称材料
2
评《国际皮肤病分类与名称》出版发行
龙振华
《临床皮肤科杂志》
CAS
CSCD
北大核心
2008
0
下载PDF
职称材料
3
规范使用国际和中国皮肤病分类编码及名称
马振友
韩世荣
马毳毳
《中国皮肤性病学杂志》
CAS
北大核心
2014
0
下载PDF
职称材料
4
基于改进ResNet50的皮肤病变图像分类
王师玮
陈俊
易才键
《软件工程》
2023
1
下载PDF
职称材料
5
基于深度卷积神经网络的色素性皮肤病识别分类
何雪英
韩忠义
魏本征
《计算机应用》
CSCD
北大核心
2018
13
下载PDF
职称材料
6
深度卷积神经网络在皮肤病图像分类中的应用
张爱玲
《中国新通信》
2019
0
下载PDF
职称材料
7
皮肤病名称辨析
马毳毳
张孝友
马振友
赵波
《中国医学文摘(皮肤科学)》
2008
0
下载PDF
职称材料
8
宁洱县10500人次皮肤病患者情况分析
何卫国
《皮肤病与性病》
2021
0
下载PDF
职称材料
9
基于深度残差网络的皮肤癌黑色素瘤识别
管秋
李疆
胡海根
龚明杰
陈峰
《浙江工业大学学报》
CAS
北大核心
2019
13
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