期刊导航
期刊开放获取
唐山市科学技术情报研究..
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
肾小球超微结构分割算法:基于区域级对比学习的深度模型
被引量：
1
1
作者
林国钰
张桢泰
+4 位作者
路艳蒙
耿舰
周志涛
路利军
曹蕾
《南方医科大学学报》
CAS
CSCD
北大核心
2023年第5期815-824,共10页
目的为了提高深度模型对电子显微镜图像中肾小球超微结构的分割性能,提出了一种基于超微结构语义相似性的区域级自监督对比学习方法USRegCon。方法USRegCon使用大量无标记数据对模型进行预训练,该预训练过程包括3个步骤:(1)模型对图像...
目的为了提高深度模型对电子显微镜图像中肾小球超微结构的分割性能,提出了一种基于超微结构语义相似性的区域级自监督对比学习方法USRegCon。方法USRegCon使用大量无标记数据对模型进行预训练,该预训练过程包括3个步骤:(1)模型对图像中超微结构信息进行编码和解码,并根据超微结构的语义相似性自适应地将图像划分为多个区域;(2)依据所划分的区域,使用区域池化操作提取出每个区域的一阶灰度区域表示和深度语义区域表示;(3)对于一阶灰度区域表示,构建了灰度损失函数,目标为最小化区域内的灰度差异和最大化区域间的灰度差异。对于深度语义区域表示,构建了语义损失函数,目标为最大化表示空间中正区域对的相似性和负区域对的差异性。这两个损失函数将联合对模型进行预训练。结果基于私有数据集GlomEM,USRegCon在肾小球滤过屏障三层超微结构的分割任务中,对基底膜、内皮细胞和足细胞均获得了良好的分割结果,Dice系数分别为85.69±0.13%、74.59±0.13%和78.57±0.16%。该结果优于现有的多种图像级、像素级和区域级自监督对比学习方法,并逼近基于大规模标记数据集ImageNet的全监督预训练方法。结论USRegCon促进模型从大量无标记数据中学习有益的区域表示,弥补了标记数据不足的缺陷,提升了模型对肾小球超微结构的识别和边缘分割能力。
展开更多
关键词
肾小球超微结构分割
电子显微镜
标记数据稀缺
自监督对比学习
在线阅读
下载PDF
职称材料
应用深度学习网络实现肾小球滤过膜超微病理图像的语义分割
被引量：
4
2
作者
温佳圆
林国钰
+3 位作者
张逸文
周志涛
曹蕾
冯琴昌
《中国医学物理学杂志》
CSCD
2020年第2期195-204,共10页
肾小球滤过膜包含内皮细胞、肾小球基底膜和足细胞3层超微结构,其形态改变是诊断肾小球疾病的重要指标之一。准确的滤过膜语义分割有助于病理医生识别和判断滤过膜细微的病理改变,为相关的病理诊断提供帮助。由于肾小球滤过膜的超微病...
肾小球滤过膜包含内皮细胞、肾小球基底膜和足细胞3层超微结构,其形态改变是诊断肾小球疾病的重要指标之一。准确的滤过膜语义分割有助于病理医生识别和判断滤过膜细微的病理改变,为相关的病理诊断提供帮助。由于肾小球滤过膜的超微病理图像不仅结构复杂而且灰度分辨率很低,传统的分割算法均只能对其中形态最简单的基底膜部分进行分割,分割精度也难以保证。本文提出基于深度学习网络DeepLab-v3的肾小球滤过膜自动语义分割算法,应用空洞卷积扩大感受野,控制图像的特征分辨率,再通过空洞空间金字塔池化来获得多尺度的图像信息,最终将肾小球滤过膜的3个组成部分同时分割出来,并均能达到较好的分割效果。本文通过对重要参数进行实验探究,使得平均分割准确度达到0.776,是目前效果相对较好的模型。
展开更多
关键词
深度学习
DeepLab
肾小球滤过膜
超微病理图像
语义分割
在线阅读
下载PDF
职称材料
题名
肾小球超微结构分割算法:基于区域级对比学习的深度模型
被引量：
1
1
作者
林国钰
张桢泰
路艳蒙
耿舰
周志涛
路利军
曹蕾
机构
南方医科大学生物医学工程学院//广东省医学图像处理重点实验室//广东省医学成像与诊断技术工程实验室
南方医科大学中心实验室
南方医科大学基础医学院
广州华银医学检验中心
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2023年第5期815-824,共10页
基金
国家自然科学基金(32071368)。
文摘
目的为了提高深度模型对电子显微镜图像中肾小球超微结构的分割性能,提出了一种基于超微结构语义相似性的区域级自监督对比学习方法USRegCon。方法USRegCon使用大量无标记数据对模型进行预训练,该预训练过程包括3个步骤:(1)模型对图像中超微结构信息进行编码和解码,并根据超微结构的语义相似性自适应地将图像划分为多个区域;(2)依据所划分的区域,使用区域池化操作提取出每个区域的一阶灰度区域表示和深度语义区域表示;(3)对于一阶灰度区域表示,构建了灰度损失函数,目标为最小化区域内的灰度差异和最大化区域间的灰度差异。对于深度语义区域表示,构建了语义损失函数,目标为最大化表示空间中正区域对的相似性和负区域对的差异性。这两个损失函数将联合对模型进行预训练。结果基于私有数据集GlomEM,USRegCon在肾小球滤过屏障三层超微结构的分割任务中,对基底膜、内皮细胞和足细胞均获得了良好的分割结果,Dice系数分别为85.69±0.13%、74.59±0.13%和78.57±0.16%。该结果优于现有的多种图像级、像素级和区域级自监督对比学习方法,并逼近基于大规模标记数据集ImageNet的全监督预训练方法。结论USRegCon促进模型从大量无标记数据中学习有益的区域表示,弥补了标记数据不足的缺陷,提升了模型对肾小球超微结构的识别和边缘分割能力。
关键词
肾小球超微结构分割
电子显微镜
标记数据稀缺
自监督对比学习
Keywords
glomerular ultrastructure segmentation
electron microscopy
labeled data scarcity
self-supervised contrastive learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
应用深度学习网络实现肾小球滤过膜超微病理图像的语义分割
被引量：
4
2
作者
温佳圆
林国钰
张逸文
周志涛
曹蕾
冯琴昌
机构
南方医科大学生物医学工程学院
南方医科大学中心实验室电镜室
广东省医疗器械研究所
出处
《中国医学物理学杂志》
CSCD
2020年第2期195-204,共10页
基金
广州市科技计划项目产学研协同创新重大专项（2016040-20144）
南方医科大学大学生创新创业训练项目（201812121012）
文摘
肾小球滤过膜包含内皮细胞、肾小球基底膜和足细胞3层超微结构,其形态改变是诊断肾小球疾病的重要指标之一。准确的滤过膜语义分割有助于病理医生识别和判断滤过膜细微的病理改变,为相关的病理诊断提供帮助。由于肾小球滤过膜的超微病理图像不仅结构复杂而且灰度分辨率很低,传统的分割算法均只能对其中形态最简单的基底膜部分进行分割,分割精度也难以保证。本文提出基于深度学习网络DeepLab-v3的肾小球滤过膜自动语义分割算法,应用空洞卷积扩大感受野,控制图像的特征分辨率,再通过空洞空间金字塔池化来获得多尺度的图像信息,最终将肾小球滤过膜的3个组成部分同时分割出来,并均能达到较好的分割效果。本文通过对重要参数进行实验探究,使得平均分割准确度达到0.776,是目前效果相对较好的模型。
关键词
深度学习
DeepLab
肾小球滤过膜
超微病理图像
语义分割
Keywords
deep learning
DeepLab
glomerular filtration membrane
ultrastructural pathological image
semantic segmentation
分类号
R36 [医药卫生—病理学]
TP391.5 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
肾小球超微结构分割算法:基于区域级对比学习的深度模型
林国钰
张桢泰
路艳蒙
耿舰
周志涛
路利军
曹蕾
《南方医科大学学报》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
应用深度学习网络实现肾小球滤过膜超微病理图像的语义分割
温佳圆
林国钰
张逸文
周志涛
曹蕾
冯琴昌
《中国医学物理学杂志》
CSCD
2020
4
在线阅读
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
