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
4
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CT图像的身体部位自动识别方法
被引量:
2
1
作者
田野
姜娈
李强
《计算机工程与设计》
北大核心
2017年第1期247-252,共6页
身体部位可划分为头部、胸部、腹部和盆腔,对各部位的自动识别可以通过其包含的代表性器官的检测实现。对原始二维Haar-AdaBoost方法进行改进,根据器官的实际物理大小使用固定图像分辨率,有效地选择关键Haar特征,减少计算量,采用一种基...
身体部位可划分为头部、胸部、腹部和盆腔,对各部位的自动识别可以通过其包含的代表性器官的检测实现。对原始二维Haar-AdaBoost方法进行改进,根据器官的实际物理大小使用固定图像分辨率,有效地选择关键Haar特征,减少计算量,采用一种基于正态分布拟合的方法,将二维检测结果转换为三维器官的感兴趣区域边界。测试结果表明,该方法对胸部和腹部识别的敏感度达到97%以上。
展开更多
关键词
CT图像
身体部位
自动识别
HAAR特征
ADABOOST
下载PDF
职称材料
基于卷积神经网络的CT图像肺结节检测
被引量:
12
2
作者
谢未央
陈彦博
+2 位作者
王季勇
李强
陈群
《计算机工程与设计》
北大核心
2019年第12期3575-3581,共7页
为帮助医生降低工作强度,减少诊断错误,提升准确率,提出一种基于三维卷积神经网络的肺结节检测算法。根据肺结节在CT图像中的特点,设计改进的三维候选区域推荐网络进行结节初始检测。在此基础上,使用多尺度、多网络融合的分类网络去除...
为帮助医生降低工作强度,减少诊断错误,提升准确率,提出一种基于三维卷积神经网络的肺结节检测算法。根据肺结节在CT图像中的特点,设计改进的三维候选区域推荐网络进行结节初始检测。在此基础上,使用多尺度、多网络融合的分类网络去除初检结果中的假阳性。在LUNA16数据集上验证了所提算法的准确性和有效性,并将结果与其它算法进行比较,讨论了该肺结节检测算法的性能。
展开更多
关键词
肺结节
CT图像
计算机辅助检测
卷积神经网络
深度学习
下载PDF
职称材料
月经状态对乳腺纤维腺体组织与背景实质强化的影响
被引量:
3
3
作者
胡晓欣
顾雅佳
+4 位作者
姜娈
李强
尤超
毛健
彭卫军
《复旦学报(医学版)》
CAS
CSCD
北大核心
2018年第2期158-163,共6页
目的利用乳腺MR影像全自动量化分析法,评估不同月经状态对乳腺纤维腺体组织比(fibrograndular tissue,FGT),背景实质强化容积比(background parenchymal enhancement volume ratio,BPE_V)和程度比(background parenchymal enhancement i...
目的利用乳腺MR影像全自动量化分析法,评估不同月经状态对乳腺纤维腺体组织比(fibrograndular tissue,FGT),背景实质强化容积比(background parenchymal enhancement volume ratio,BPE_V)和程度比(background parenchymal enhancement intensity ratio,BPE_I)的影响。方法从2009年至2012年在复旦大学附属肿瘤医院做乳腺MR检查的14 033名妇女中,随机选出正常乳腺MR影像101例,其中绝经前47例,绝经后54例。绝经前再按月经周期分为:第1周8例,第2至第4周各13例。应用乳腺MR影像全自动量化分析软件测量FGT与增强后早(2 min)、中(4 min)、晚(6 min)3期的BPE_V与BPE_I,并使用Mann-Whitney U检验对绝经前后的FGT,BPE_V和BPE_I进行比较,绝经前各月经周期的比较采用Kruskal-Wallis检验。结果绝经后妇女的FGT,BPE_V与增强中晚期的BPE_I均显著低于绝经前妇女(P<0.05)。BPE_I在绝经前妇女中月经第1周最高,第2周最低(P<0.05)。FGT及BPE_V在月经第1周也最高,但与其他月经周比较差异无统计学意义。结论 FGT、BPE_V和BPE_I在绝经后均显著降低。月经第2周为乳腺MR检查的最佳时间。
展开更多
关键词
乳腺
纤维腺体组织
背景强化
月经状态
量化分析法
下载PDF
职称材料
基于nnU-Net的乳腺DCE-MR图像中乳房和腺体自动分割
被引量:
5
4
作者
霍璐
胡晓欣
+3 位作者
肖勤
顾雅佳
褚旭
姜娈
《波谱学杂志》
北大核心
2021年第3期367-380,共14页
在乳腺动态增强磁共振(DCE-MR)图像中,乳房分割和腺体分割是进行乳腺癌风险评估的关键步骤.为实现在三维脂肪抑制乳腺DCE-MR图像中乳房和腺体的自动分割,本文提出一种基于nnU-Net的自动分割模型,利用U-Net分层学习图像特征的优势,融合...
在乳腺动态增强磁共振(DCE-MR)图像中,乳房分割和腺体分割是进行乳腺癌风险评估的关键步骤.为实现在三维脂肪抑制乳腺DCE-MR图像中乳房和腺体的自动分割,本文提出一种基于nnU-Net的自动分割模型,利用U-Net分层学习图像特征的优势,融合深层特征与浅层特征,得到乳房分割和腺体分割结果.同时,基于nnU-Net策略,所使用的模型能根据图像参数自动进行预处理和数据扩增,并动态调整网络结构和参数配置.实验结果表明,在具有多样化参数的三维脂肪抑制乳腺DCE-MR图像数据集上,该模型能准确、有效地实现乳房和腺体分割,平均Dice相似系数分别达到0.969±0.007和0.893±0.054.
展开更多
关键词
乳腺动态增强磁共振图像
乳房分割
腺体分割
深度学习
nnU-Net模型
下载PDF
职称材料
题名
基于CT图像的身体部位自动识别方法
被引量:
2
1
作者
田野
姜娈
李强
机构
中国科学院上海高等研究院高端医学影像技术研究中心
中国科学院
大学
上海
联影医疗科技有限公司
出处
《计算机工程与设计》
北大核心
2017年第1期247-252,共6页
基金
国家自然科学基金青年科学基金项目(81301282)
上海科学技术委员会重大基金项目(13411950108)
上海科学技术委员会医学影像及放射治疗工程技术研究中心基金项目(13DZ2250300)
文摘
身体部位可划分为头部、胸部、腹部和盆腔,对各部位的自动识别可以通过其包含的代表性器官的检测实现。对原始二维Haar-AdaBoost方法进行改进,根据器官的实际物理大小使用固定图像分辨率,有效地选择关键Haar特征,减少计算量,采用一种基于正态分布拟合的方法,将二维检测结果转换为三维器官的感兴趣区域边界。测试结果表明,该方法对胸部和腹部识别的敏感度达到97%以上。
关键词
CT图像
身体部位
自动识别
HAAR特征
ADABOOST
Keywords
CT images
body part
automated localization
Haar features
AdaBoost
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
基于卷积神经网络的CT图像肺结节检测
被引量:
12
2
作者
谢未央
陈彦博
王季勇
李强
陈群
机构
中国科学院上海高等研究院高端医学影像技术研究中心
中国科学院
大学电子电气与通信工程
学院
上海
科技大学生命
科学
与
技术
学院
上海
联影医疗科技有限公司联影
研究院
出处
《计算机工程与设计》
北大核心
2019年第12期3575-3581,共7页
文摘
为帮助医生降低工作强度,减少诊断错误,提升准确率,提出一种基于三维卷积神经网络的肺结节检测算法。根据肺结节在CT图像中的特点,设计改进的三维候选区域推荐网络进行结节初始检测。在此基础上,使用多尺度、多网络融合的分类网络去除初检结果中的假阳性。在LUNA16数据集上验证了所提算法的准确性和有效性,并将结果与其它算法进行比较,讨论了该肺结节检测算法的性能。
关键词
肺结节
CT图像
计算机辅助检测
卷积神经网络
深度学习
Keywords
pulmonary nodule
CT image
computer-aided detection
convolutional neural network
deep learning
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
月经状态对乳腺纤维腺体组织与背景实质强化的影响
被引量:
3
3
作者
胡晓欣
顾雅佳
姜娈
李强
尤超
毛健
彭卫军
机构
复旦大学附属肿瘤医院放射诊断科
复旦大学
上海
医
学院
肿瘤学系
中国科学院上海高等研究院高端医学影像技术研究中心
出处
《复旦学报(医学版)》
CAS
CSCD
北大核心
2018年第2期158-163,共6页
基金
国家自然科学基金(81301282
81471662)
+1 种基金
上海市科委科研计划项目(13DZ2250300)
上海申康医院发展中心临床辅助科室能力建设项目(SHDC22015030)~~
文摘
目的利用乳腺MR影像全自动量化分析法,评估不同月经状态对乳腺纤维腺体组织比(fibrograndular tissue,FGT),背景实质强化容积比(background parenchymal enhancement volume ratio,BPE_V)和程度比(background parenchymal enhancement intensity ratio,BPE_I)的影响。方法从2009年至2012年在复旦大学附属肿瘤医院做乳腺MR检查的14 033名妇女中,随机选出正常乳腺MR影像101例,其中绝经前47例,绝经后54例。绝经前再按月经周期分为:第1周8例,第2至第4周各13例。应用乳腺MR影像全自动量化分析软件测量FGT与增强后早(2 min)、中(4 min)、晚(6 min)3期的BPE_V与BPE_I,并使用Mann-Whitney U检验对绝经前后的FGT,BPE_V和BPE_I进行比较,绝经前各月经周期的比较采用Kruskal-Wallis检验。结果绝经后妇女的FGT,BPE_V与增强中晚期的BPE_I均显著低于绝经前妇女(P<0.05)。BPE_I在绝经前妇女中月经第1周最高,第2周最低(P<0.05)。FGT及BPE_V在月经第1周也最高,但与其他月经周比较差异无统计学意义。结论 FGT、BPE_V和BPE_I在绝经后均显著降低。月经第2周为乳腺MR检查的最佳时间。
关键词
乳腺
纤维腺体组织
背景强化
月经状态
量化分析法
Keywords
breast
fibrograndular tissue
background parenchymal enhancement
menopause status
quantitative assessment
分类号
R816 [医药卫生—放射医学]
下载PDF
职称材料
题名
基于nnU-Net的乳腺DCE-MR图像中乳房和腺体自动分割
被引量:
5
4
作者
霍璐
胡晓欣
肖勤
顾雅佳
褚旭
姜娈
机构
中国科学院上海高等研究院高端医学影像技术研究中心
中国科学院
大学
复旦大学
上海
肿瘤医院放射诊断科
上海
联影医疗科技股份有限公司数字
技术
产业事业群
出处
《波谱学杂志》
北大核心
2021年第3期367-380,共14页
基金
国家自然科学基金资助项目(81301282,81471662)
上海市科委科技基金资助项目(13DZ2250300).
文摘
在乳腺动态增强磁共振(DCE-MR)图像中,乳房分割和腺体分割是进行乳腺癌风险评估的关键步骤.为实现在三维脂肪抑制乳腺DCE-MR图像中乳房和腺体的自动分割,本文提出一种基于nnU-Net的自动分割模型,利用U-Net分层学习图像特征的优势,融合深层特征与浅层特征,得到乳房分割和腺体分割结果.同时,基于nnU-Net策略,所使用的模型能根据图像参数自动进行预处理和数据扩增,并动态调整网络结构和参数配置.实验结果表明,在具有多样化参数的三维脂肪抑制乳腺DCE-MR图像数据集上,该模型能准确、有效地实现乳房和腺体分割,平均Dice相似系数分别达到0.969±0.007和0.893±0.054.
关键词
乳腺动态增强磁共振图像
乳房分割
腺体分割
深度学习
nnU-Net模型
Keywords
breast dynamic contrast enhanced magnetic resonance image
breast segmentation
fibroglandular tissue segmentation
deep learning
nnU-Net model
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
作者
出处
发文年
被引量
操作
1
基于CT图像的身体部位自动识别方法
田野
姜娈
李强
《计算机工程与设计》
北大核心
2017
2
下载PDF
职称材料
2
基于卷积神经网络的CT图像肺结节检测
谢未央
陈彦博
王季勇
李强
陈群
《计算机工程与设计》
北大核心
2019
12
下载PDF
职称材料
3
月经状态对乳腺纤维腺体组织与背景实质强化的影响
胡晓欣
顾雅佳
姜娈
李强
尤超
毛健
彭卫军
《复旦学报(医学版)》
CAS
CSCD
北大核心
2018
3
下载PDF
职称材料
4
基于nnU-Net的乳腺DCE-MR图像中乳房和腺体自动分割
霍璐
胡晓欣
肖勤
顾雅佳
褚旭
姜娈
《波谱学杂志》
北大核心
2021
5
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