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
3
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
基于全局特征引导和注意力的宫颈细胞核分割
1
作者
董展豪
陈燕
+2 位作者
侯宏花
张鹏程
桂志国
《电子测量技术》
北大核心
2024年第12期182-191,共10页
针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征...
针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征获得不同层次的全局上下文信息,克服了U型网络单阶段上下文信息提取能力不足的问题以更好地处理不同形状的细胞核,提高边缘分割精度;其次,引入改进的注意门结构抑制图像中干扰物的信息,突出细胞核的信息,提高模型对干扰信息的辨别能力。在Herlev数据集上的实验结果表明,本文的方法能够有效地提高细胞核分割精度,在定量分析中Dice系数为0.9413,相较于其他方法具有一定的优势。
展开更多
关键词
宫颈细胞核分割
全局特征引导
注意门
U型网络
巴氏涂片
在线阅读
下载PDF
职称材料
基于注意力机制的多尺度特征融合网络用于宫颈细胞核分割
2
作者
张玉琦
李捷
+2 位作者
王巍
徐敏
张瑞雪
《计算机应用》
CSCD
北大核心
2022年第S02期259-266,共8页
宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络...
宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络层数来有效地提升性能,增加特征的复用能力;其次,针对癌变细胞中核边界模糊、核质对比度降低的问题,将注意力模块添加到网络中,通过集合空间和通道两个维度的注意力图,对宫颈细胞核特征细化;然后,由于癌变细胞核的形状一般情况下由圆形轮廓变为不规则轮廓,通过采用多个不同膨胀因子的空洞卷积并结合残差结构构成多尺度输入模块,克服U型网络感受野的局限性以更好地处理不规则轮廓形状的癌变细胞核;最后,针对宫颈图像中正常细胞核很小的特点,将focal loss与dice loss相结合作为损失函数以解决前景与背景不平衡的问题。在Herlev数据集中进行有效性验证,结果表明AMF-Net的Zijdenbos相似指数(ZSI)为0.9728,能够有效地提升宫颈细胞核的检测精度。
展开更多
关键词
残差U型网络
注意力机制
多尺度特征融合
医学图像
分割
宫颈细胞核分割
在线阅读
下载PDF
职称材料
基于改进U-Net的宫颈细胞核图像分割
被引量：
2
3
作者
张权
陆小浩
+2 位作者
朱士虎
金玫秀
王通
《计算机系统应用》
2021年第4期39-45,共7页
原始的U-Net采用跳跃结构结合高低层的图像信息,使得U-Net模型有良好的分割效果,但是分割结果在宫颈细胞核边缘依然存在分割欠佳、过分割和欠分割等不足.由此提出了改进型U-Net网络图像分割方法.首先将稠密连接的DenseNet引入U-Net的编...
原始的U-Net采用跳跃结构结合高低层的图像信息,使得U-Net模型有良好的分割效果,但是分割结果在宫颈细胞核边缘依然存在分割欠佳、过分割和欠分割等不足.由此提出了改进型U-Net网络图像分割方法.首先将稠密连接的DenseNet引入U-Net的编码器部分,以解决编码器部分相对简单,不能提取相对抽象的高层语义特征.然后对二元交叉熵损失函数中的宫颈细胞核和背景给予不同的权重,使网络更加注重细胞核特征的学习.最后在池化操作过程中,对池化域内的像素值分配合理的权值,解决池化层丢失信息的问题.实验证明,改进型U-Net网络使宫颈细胞核分割效果更好,模型也越鲁棒,过分割和欠分割比率也越少.显然,改进型U-Net是更有效的图像分割方法.
展开更多
关键词
深度学习
卷积神经网络
改进型U-Net
宫颈细胞核分割
图像信息处理
在线阅读
下载PDF
职称材料
题名
基于全局特征引导和注意力的宫颈细胞核分割
1
作者
董展豪
陈燕
侯宏花
张鹏程
桂志国
机构
中北大学信息与通信工程学院
出处
《电子测量技术》
北大核心
2024年第12期182-191,共10页
基金
山西省自然科学基金面上项目(202103021224204)资助。
文摘
针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征获得不同层次的全局上下文信息,克服了U型网络单阶段上下文信息提取能力不足的问题以更好地处理不同形状的细胞核,提高边缘分割精度;其次,引入改进的注意门结构抑制图像中干扰物的信息,突出细胞核的信息,提高模型对干扰信息的辨别能力。在Herlev数据集上的实验结果表明,本文的方法能够有效地提高细胞核分割精度,在定量分析中Dice系数为0.9413,相较于其他方法具有一定的优势。
关键词
宫颈细胞核分割
全局特征引导
注意门
U型网络
巴氏涂片
Keywords
cervical nuclear segmentation
global feature guidance
attention gate
U-shaped network
Pap smear
分类号
TN91 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于注意力机制的多尺度特征融合网络用于宫颈细胞核分割
2
作者
张玉琦
李捷
王巍
徐敏
张瑞雪
机构
上海浦东发展银行信息科技部
出处
《计算机应用》
CSCD
北大核心
2022年第S02期259-266,共8页
基金
国家发展和改革委员会2018年数字经济试点重大工程项目(2017-440116-83-03-013224)。
文摘
宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络层数来有效地提升性能,增加特征的复用能力;其次,针对癌变细胞中核边界模糊、核质对比度降低的问题,将注意力模块添加到网络中,通过集合空间和通道两个维度的注意力图,对宫颈细胞核特征细化;然后,由于癌变细胞核的形状一般情况下由圆形轮廓变为不规则轮廓,通过采用多个不同膨胀因子的空洞卷积并结合残差结构构成多尺度输入模块,克服U型网络感受野的局限性以更好地处理不规则轮廓形状的癌变细胞核;最后,针对宫颈图像中正常细胞核很小的特点,将focal loss与dice loss相结合作为损失函数以解决前景与背景不平衡的问题。在Herlev数据集中进行有效性验证,结果表明AMF-Net的Zijdenbos相似指数(ZSI)为0.9728,能够有效地提升宫颈细胞核的检测精度。
关键词
残差U型网络
注意力机制
多尺度特征融合
医学图像
分割
宫颈细胞核分割
Keywords
residual U-net
attention mechanism
multi-scale feature fusion
medical image segmentation
cervical nucleus segmentation
分类号
TP391.41 [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
基于改进U-Net的宫颈细胞核图像分割
被引量：
2
3
作者
张权
陆小浩
朱士虎
金玫秀
王通
机构
江苏师范大学物理与电子工程学院
出处
《计算机系统应用》
2021年第4期39-45,共7页
基金
江苏省现代教育技术研究课题(2017-R-54486)。
文摘
原始的U-Net采用跳跃结构结合高低层的图像信息,使得U-Net模型有良好的分割效果,但是分割结果在宫颈细胞核边缘依然存在分割欠佳、过分割和欠分割等不足.由此提出了改进型U-Net网络图像分割方法.首先将稠密连接的DenseNet引入U-Net的编码器部分,以解决编码器部分相对简单,不能提取相对抽象的高层语义特征.然后对二元交叉熵损失函数中的宫颈细胞核和背景给予不同的权重,使网络更加注重细胞核特征的学习.最后在池化操作过程中,对池化域内的像素值分配合理的权值,解决池化层丢失信息的问题.实验证明,改进型U-Net网络使宫颈细胞核分割效果更好,模型也越鲁棒,过分割和欠分割比率也越少.显然,改进型U-Net是更有效的图像分割方法.
关键词
深度学习
卷积神经网络
改进型U-Net
宫颈细胞核分割
图像信息处理
Keywords
deep learning
Convolutional Neural Network(CNN)
improved U-Net
cervical nuclear segmentation
image information processing
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
R737.33 [医药卫生—肿瘤]
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
基于全局特征引导和注意力的宫颈细胞核分割
董展豪
陈燕
侯宏花
张鹏程
桂志国
《电子测量技术》
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于注意力机制的多尺度特征融合网络用于宫颈细胞核分割
张玉琦
李捷
王巍
徐敏
张瑞雪
《计算机应用》
CSCD
北大核心
2022
0
在线阅读
下载PDF
职称材料
3
基于改进U-Net的宫颈细胞核图像分割
张权
陆小浩
朱士虎
金玫秀
王通
《计算机系统应用》
2021
2
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
