华西医学期刊出版社
关键词
  • 标题
  • 作者
  • 关键词
  • 摘要
高级搜索
高级搜索

搜索

找到 关键词 包含"卷积神经网络" 25条结果
  • 基于集成学习的临床心电图分类算法研究

    随着心电图数据量快速增长,计算机辅助心电图分析也有着越来越广阔的应用需求。本文在基于导联卷积神经网络的临床心电图分类算法上提出多种策略,进一步提升其在实际应用中的性能。首先用不同的预处理方法和训练方法获得两个不同的分类器,接着用多重输出预测法来增强每个分类器的性能,最后用贝叶斯方法进行融合。测试了超过15万条心电图记录,所提方法的准确率和受试者工作特征曲线下面积(AUC)分别为85.04%和0.918 5,明显优于基于特征提取的传统方法。

    发表时间:2016-10-24 01:24 导出 下载 收藏 扫码
  • 基于卷积神经网络的注意缺陷多动障碍分类研究

    注意缺陷多动障碍(ADHD)是一种高发于学龄儿童的行为障碍综合症。目前,ADHD 的诊断主要依赖主观方法,导致漏诊率和误诊率较高。基于此,本文提出一种基于卷积神经网络的 ADHD 客观分类算法。首先,对脑部磁共振图像(MRI)进行头骨剥离、高斯核平滑等预处理;其次,对大脑的右侧尾状核、左侧楔前叶和左侧额上回部位的MRI进行粗分割;最后,利用 3 层卷积神经网络进行分类。实验结果表明:① 本文的算法能有效地对 ADHD 和正常人群进行分类;② 右侧尾状核和左侧楔前叶的 ADHD 分类准确率要高于 ADHD-200 全球竞赛中所有方法达到的 ADHD 最高分类准确率(62.52%);③ 利用上述 3 个脑区对 ADHD 患者和正常人群进行分类,其中右侧尾状核的分类准确率最高。综上所述,本文提出了一种利用粗分割和深度学习对 ADHD 患者和正常人群进行分类的方法。本文方法分类准确率高,计算量小,能较好地提取不明显的图像特征,改善了传统 MRI 脑区精确分割耗时长及复杂度高的缺点,为 ADHD 的诊断提供了一种可参照的客观方法。

    发表时间:2017-04-01 08:56 导出 下载 收藏 扫码
  • 基于集成卷积神经网络的肺部肿瘤计算机辅助诊断模型

    将卷积神经网络(CNN)用于肺部肿瘤正电子发射计算机断层扫描(PET)/电子计算机断层扫描(CT)计算机辅助诊断,不仅可以提供精确的定量分析以弥补人眼惰性及对灰阶不敏感的缺陷,也能辅助医生准确诊疗。本文首先采用参数迁移的方法初始构建三个 CNN(CT-CNN、PET-CNN、PET/CT-CNN)分别用于肺部肿瘤 CT、PET、PET/CT 的识别;然后以 CT-CNN 为例探讨迭代次数、批次大小和输入图像大小对识别率和训练时间的影响,从而选择合适的模型参数训练单一 CNN;最后集成三个单一 CNN,采用“相对多数投票法”完成肺部肿瘤 PET/CT 计算机辅助诊断,进而对比集成 CNN 与单个 CNN 的性能。实验结果表明集成 CNN 模型比单一 CNN 模型对于肺部肿瘤计算机辅助诊断的性能更优。

    发表时间:2017-08-21 04:00 导出 下载 收藏 扫码
  • 基于深度学习的医学计算机辅助检测方法研究

    针对自动检测医学图像中指定目标时存在的问题,提出了一种基于深度学习自动检测目标位置和估计对象姿态的算法。该算法基于区域深度卷积神经网络和目标结构的先验知识,采用区域生成候选框网络、感兴趣区域池化策略,引入包括分类损失、边框位置回归定位损失和像平面内朝向损失的多任务损失函数,近似优化一个端到端的有监督定位网络,能快速地对医学图像中目标自动定位,有效地为下一步的分割和参数自动提取提供定位结果。并在超声心动图左心室检测中提出利用检测额外标记点(二尖瓣环、心内膜垫和心尖),能高效地对左心室朝向姿态进行估计。为了验证算法的鲁棒性和有效性,实验数据选取经食管超声心动图和核磁共振图像。实验结果表明算法是快速、精确和有效的。

    发表时间:2018-08-23 03:47 导出 下载 收藏 扫码
  • 基于卷积神经网络提取超声图像甲状腺结节钙化点的研究

    超声是检测甲状腺结节的首选方法,钙化特征是甲状腺结节良恶性判别的重要特征。但是由于囊壁等结节内部结构的干扰,钙化点提取一直是医学影像处理技术中的难点。本文提出了一种基于深度学习算法的钙化点提取法,并在阿列克谢(Alexnet)卷积神经网络的基础上提出了两种改进方法:① 通过添加逐层对应的反池化(unpooling)和反卷积层(deconv2D)使网络向着所需要的特征进行训练并最终提取出钙化特征;② 通过修改 Alexnet 模型卷积模板的数量和全连接层节点的数量,使其特征提取更加精细;最终通过两种方法的结合得到改进网络。为了验证本文所提出的方法,本文从数据集中选取钙化结节图像 8 416 张、无钙化结节图像 10 844 张。改进的 Alexnet 卷积神经网络方法的钙化特征提取准确率为 86%,较传统方法有了较大提升,为甲状腺结节的良恶性识别提供了有效的手段。

    发表时间:2018-10-19 03:21 导出 下载 收藏 扫码
  • 卷积神经网络及其在医学图像分析中的应用研究

    卷积神经网络(CNN)是机器学习研究中的热点,在医学图像应用中具有一定价值。本文首先介绍了 CNN 基本原理,其次综述了其在网络结构的改进:在模型结构方面,总结了 CNN 的 11 种经典模型,并以时间顺序梳理发展进程;在结构优化方面,从 CNN 的 5 个方面(输入层、卷积层、下采样层、全连接层以及整个网络)总结研究进展。然后,对学习算法从优化和融合两个方面进行归纳:优化算法方面,根据优化目的(提高准确率、防止过拟合、防止局部最值、提高收敛速度)梳理算法的进展;方法融合方面,分别从输入层、卷积层、下采样层、全连接层和输出层共 5 个角度进行归纳。最后,将 CNN 映射到医学图像领域,结合计算机辅助诊断探讨 CNN 在医学图像中的应用。本文对 CNN 进行了较为全面系统地总结,对 CNN 的研究发展具有积极意义。

    发表时间:2019-02-18 02:31 导出 下载 收藏 扫码
  • 结合深度可分离卷积与通道加权的全卷积神经网络视网膜图像血管分割

    糖尿病和高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义。本文提出一种结合深度可分离卷积与通道加权的全卷积神经网络(FCN)视网膜图像血管分割方法。首先,对眼底图像的绿色通道进行 CLAHE 及 Gamma 校正以增强对比度;然后,为了适应网络训练,对增强后的图像进行分块以扩充数据;最后,以深度可分离卷积代替标准的卷积方式以增加网络宽度,同时引入通道加权模块,以学习的方式显式地建模特征通道的依赖关系,提高特征的可分辨性。将二者结合应用于 FCN 网络中,以专家手动标识结果作为监督在 DRIVE 数据库进行实验。结果表明,本文方法在 DRIVE 库的分割准确性能够达到 0.963 0,AUC 达到 0.983 1,在 STARE 库的分割准确性可以达到 0.962 0,AUC 达到 0.983 0。在一定程度上,本文方法具有更好的特征分辨性,分割性能较好。

    发表时间:2019-02-18 03:16 导出 下载 收藏 扫码
  • 基于深度残差卷积神经网络的心电信号心律不齐识别

    心电图(ECG)信号在采集过程中容易受内部和外部噪声干扰,而且不同患者的 ECG 信号形态特征差异较大,即使同一患者在不同时间和环境下其 ECG 信号也会有差异,因此 ECG 信号特征检测与识别在心脏病远程实时监测与智能诊断中具有一定难度。基于此,本研究提出将小波自适应阈值去噪和深度残差卷积神经网络算法用于多种心律不齐的信号识别过程中。其中,使用小波自适应阈值技术完成 ECG 信号滤波,并设计了包含多个残差块(residual block)结构的 20 层卷积神经网络(CNN),即深度残差卷积神经网络(DR-CNN),对 5 大类心律不齐 ECG 信号进行了识别。然后,本文采用残差块局部神经网络结构单元构建 DR-CNN,缓解了深层网络的收敛难、调优难等问题,克服了 CNN 随着网络层数增加而导致的退化问题;进一步引入批标准化(batch normalization)技术,保证了网络的平滑收敛。按照美国医疗器械促进协会(AAMI)的心搏分类标准,使用麻省理工学院和波士顿贝丝以色列医院(MIT-BIH)心律不齐数据库中 94 091 个 ECG 心搏信号(2 个导联),完成了心律不齐多分类、室性异位搏动(Veb)和室上性异位搏动(Sveb)等分类识别实验。实验结果表明,本文所提出的方法在 ECG 信号多分类、Veb 和 Sveb 识别中的准确率分别达到了 99.034 9%、99.498 0% 和 99.334 7%。在相同的数据集和实验平台下,DR-CNN 在分类准确率、特异性和灵敏度上均优于相同结构复杂度的 CNN、深度多层感知机等传统算法。DR-CNN 算法提高了心律不齐智能诊断的精度,该方法与可穿戴设备、物联网和无线通信技术相结合,可以将心脏病的预防、监测和诊断延伸到家庭、养老院等院外场景,从而提高心脏病患者的救治率,并且有效地节约医疗资源。

    发表时间:2019-04-15 05:31 导出 下载 收藏 扫码
  • 脑老化中脑年龄预测模型研究综述

    大脑会随年龄增长而逐渐发生萎缩与机能衰退,并且这种变化的速度和轨迹在脑区间和个体间存在明显差异。由于神经影像可以反映大脑的健康状态,因此常用于大脑年龄的预测研究。本文对基于神经影像的脑年龄预测模型研究进行了系统的梳理和回顾,根据影像的模态和特征类型对这些研究进行综述,剖析了其优缺点。结果显示,基于神经影像的预测框架具备个体对象脑年龄预测的潜力。最后,本文讨论了脑年龄预测中存在的问题,并对未来的研究方向进行了展望。

    发表时间:2019-06-17 04:41 导出 下载 收藏 扫码
  • 深度学习在医学图像配准上的研究进展与挑战

    随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结了基于深度学习的医学图像配准的国内外研究进展,包括了基于优化策略的相似性估计、直接估计医学图像配准的变换参数等。然后分析了深度学习方法在医学图像配准上的挑战,并提出了可能的解决办法和研究方向。

    发表时间:2019-08-12 02:37 导出 下载 收藏 扫码
共3页 上一页 1 2 3 下一页

Format

Content