公共文化服务平台

搜索到21446篇“ 图像分割算法“的相关文章

基于DH-Swin Unet的医学图像分割算法: 2024年; 骨关节疾病自古以来是人类最高发的疾病之一,随着老龄化的不断加快,这类疾病日趋广泛,关节外科医师面临着巨大挑战.对人体关节的图像分割方法研究可以帮助医生进行临床诊断和治疗,然而,由于存在噪声、模糊、对比度低等问题,医学图像的特征提取比普通图像更具挑战性,而且目前大多数分割模型在编码器和解码器之间都采用了普通的跳跃连接,没有注重解决跳跃连接过程中的信息间隙和损失问题.为解决这些问题,提出一种基于DH-Swin Unet的医学图像分割算法,该模型在Swin-Unet模型的基础上,在跳跃连接中引入密集连接的Swin Transformer块,并加入混合注意力机制,来强化网络的特征信息传递.通过在某三甲医院提供的真实临床数据对所提方法的性能进行评价,结果表明,所提出的方法取得了DSC为86.79%、HD为32.05 mm的分割结果,在关节疾病的临床诊断中具有一定的实用价值.; 王艺妮时宏伟; 关键词：医学图像分割

基于Swin-Unet改进的医学图像分割算法: 2024年; 在过去的十几年时间里,基于CNN的神经网络在医学图像分割领域取得了突破性进展。尤其是以unet为代表的u形网络架构和跳跃连接被广泛应用于一系列的医学图像任务。由于CNN的内在局限性,不能够很好的获取到全局和远程语义信息交互。由于腹部器官复杂,容易发生形变、边缘模糊、体积小等原因导致分割比较困难。因此在Swin-Unet的基础上改进,首先末端编码器与首个解码器之间引入多尺度模型提取模块,增强不同形状大小信息特征提取。其次将最后两个编码器和解码器的swin transformer Block引入残差机制来缓解模型深度带来的梯度弥散现象。并且在最后的编码器末端引入ASSP模块获取多尺度细节信息。最后,在跳跃连接中引入通道注意力机制(CAM),可以让模型强化重要信息特征通道,弱化特征不相关通道,最后达到有效提高模型分割精度和准确度的效果。; 康家荣邵鹏飞王元; 关键词：神经网络医学图像

基于改进PSO-Otsu的电气设备红外图像分割算法: 2024年; 红外图像分割对于电气设备的热故障检测至关重要。鉴于红外图像存在图像模糊、分辨率不高等缺点,为了增强红外图像的清晰度,改进红外图像分割效果,文章提出一种基于改进PSO优化的Otsu电气设备红外图像分割方法。该方法首先使用Sobel算子锐化图像;其次通过PSO-Otsu算法对电气设备红外图像进行分割;最后依据红外图像的特征优化PSO-Otsu算法中的参数,提高算法运行效率。实验结果表明,所提算法分割后的图像轮廓清晰,可识别性高,在图像分割效果和分割速度上都优于对比算法,能够满足对电气设备红外图像实时处理的需求。; 胡义宏王坤; 关键词：OTSU 电气设备图像锐化图像分割

基于混合注意力编码器的医学图像分割算法: 本发明提供了一种基于混合注意力编码器的医学图像分割算法，主要解决了医学图像模糊边界的误分割、分割轮廓不平滑等问题。具体方案为构建高效注意力模块，构建双路移位MLP模块；利用这些模块构建基于混合注意力编码器的医学图像分割网...; 安丽静汪烈军程述立

一种基于边界增强的轻量化心脏超声图像分割算法: 本发明提出一种基于边界增强的轻量化心脏超声图像分割算法，涉及医学超声图像处理领域。首先获取心脏超声图像，基于多个不同深度的残差U型模块RSU，对心脏超声图像进行编码，提取心脏超声图像多层次多尺度特征；构建多层级边缘特征融...; 王青旺孟园沁沈韬

基于模型与数据驱动的医学图像分割算法研究与实现: 医学图像的精准分割是医生进行疾病诊断和治疗的关键,但传统分割方法在自动化程度以及精度等方面尚有欠缺。随着深度学习技术的发展,特别是基于卷积和Transformer的各类神经网络的涌现,医学图像分割领域取得了显著的进展。然...; 刘林杰; 关键词：医学图像分割 TRANSFORMER

基于最大熵双阈值图像分割算法的芯片缺陷检测方法: 本发明公开了基于最大熵双阈值图像分割算法的芯片缺陷检测方法，待分割图像进行预处理,利用改进粒子群算法，搜索更新粒子的最优位置和全局最优位置,将参数的最优位置赋值给最大熵双阈值图像分割算法，利用最大熵双阈值图像分割算法对芯...; 刘志平洪建立

基于对称网络的多尺度建模医学图像分割算法研究与实现: 近年来,随着深度学习在医学图像分割领域的广泛应用,极大地弥补了传统方法的局限性。医学图像的准确分割是对相关疾病诊断和治疗的关键,随着各种学习模型的不断涌现,深度学习技术的鲁棒性和泛化性推动了医学图像分割领域的巨大进步。伴...; 李一帆; 关键词：医学图像分割卷积神经网络

基于自注意力机制和多尺度输入输出的医学图像分割算法: 2024年; 更精细化的糖尿病性视网膜病变眼底图像分割结果,可以更好地辅助医生进行诊断。大规模高分辨率的分割数据集的出现,为更精细化的分割提供了有利条件。基于U-Net的主流分割网络,使用基于局部运算的卷积操作进行像素预测时无法充分挖掘全局信息,网络模型采用单输入单输出的结构,难以获取多尺度特征信息。为了最大程度地利用现有的大规模高分辨率的眼底图像病灶分割数据集,实现更精细化的分割,需要设计更好的分割方法。文中基于自注意力机制和多尺度输入输出结构对U-Net进行改造,提出了一种新的分割网络SAM-Net,用自注意力模块代替传统卷积模块,增大网络获取全局信息的能力,引入多尺度输入和多尺度输出结构,使网络更容易获取多尺度特征信息。使用图片切片方法来缩小模型的输入尺寸,防止神经网络模型因为输入图片像素过大而导致训练难度增大。最终在IDRiD数据集和FGADR数据集上进行实验,结果表明,SAM-Net可以达到比其他方法更优的性能。; 丁天舒陈媛媛; 关键词：糖尿病性视网膜病变

基于ShiftViT和可变形注意力的心脏核磁共振图像分割算法: 本发明所公开的基于ShiftViT和可变形注意力的心脏核磁共振图像分割算法，与现有技术相比，更关注于心脏分割中的心肌层边缘难以精细分割、右心室区域难以检测等问题，首次将ShiftViT和可变形注意力技术引入心脏自动分割中...; 黄同愿胡传新闵婕张智星黄柏雄陈华宇柳春源吴梓鹏

相关作者