朱家明
- 作品数：24 被引量：70H指数：4
- 供职机构：扬州大学信息工程学院更多>>
- 发文基金：国家自然科学基金江苏省博士后科研资助计划项目江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术金属学及工艺更多>>
- 基于双通道和Transformer的视网膜血管分割
- 2024年
- 针对视网膜眼底血管分割结果存在的断裂、分割不足等问题,提出局部与全局双支路分割模型,局部支路先对图像进行平均分割,对分割后的图片进行局部特征信息提取,全局支路则是对全局信息进行特征提取,在2条支路之间通过特征融合模块(Feature Fusion Module, FFM)进行连接,使得网络之间的联系更加密切,全局、局部支路信息共享,在局部支路的最底层加入层数为6的Transformer模块,对底层的抽象通知进行高效提取利用,减少特征信息的丢失,提高网络的分割精度。提出的模型在公开数据集DRIVE、STARE上的准确率分别为98.39%、98.76%,与传统模型分割精度相比得到了较大的提升。
- 王勇朱家明陶寅涵
- 关键词：图像分割视网膜血管
- 基于B样条仿射和GANs的医学图像配准被引量：4
- 2021年
- 针对传统基于灰度、特征的医学图像配准算法计算量大、细节丢失以及配准形变图像能力差等问题,提出了一种基于B样条仿射和生成对抗网络的医学图像配准模型。将基于小波变换以及随机采样一致算法的B样条仿射变换融入生成对抗网络,减小了因局部变形和全局变形导致的配准误差,并在生成对抗网络的判别器中引入二次判别机制。通过CT-MR配准实验,证明了该模型能够保持图像原有的内容和结构信息的同时,减少了网络的迭代学习时间,提高了配准精度,具有一定的临床应用价值。
- 宋枭朱家明徐婷宜
- 关键词：医学图像配准仿射变换B样条
- 基于改进Unet的视网膜血管分割被引量：2
- 2022年
- 由于当前主流视网膜分割网络存在视网膜粒度特征难以采集,细节容易丢失等问题。为了提高视网膜分割精度,提出了一种改进Unet模型的算法。在Unet模型的基础上将Unet上下采样中的原始卷积模块改为残差结构,改善特征采集效果;在下采样部分加入注意力机制(AG)模型,提高细小血管的分割率。算法在DRIVE数据库和STARE数据库都表现出较好的分割性能,较原始的Unet算法有一定的提升。
- 徐婷宜朱家明宋枭
- 关键词：图像分割视网膜
- 基于全卷积网络的肝脏CT语义分割被引量：2
- 2020年
- 肝脏CT(计算机断层扫描)图像分割为临床肝脏医疗分析提供了可靠依据。文中探索了完全卷积网络(FCN)用于肝脏CT图像中的检测和分割。FCN已被证明是用于语义分段的非常强大的工具,它能接受任意大小的的输入并通过有效地推理与学习产生相应大小的输出。该文将分类网络VGG调整为完全卷积网络,并通过迁移学习将其转移到分割任务,展示了由端到端,像素到像素训练的卷积网络语义分割。此架构能将来自深层粗糙层的语义信息与来自浅层精细层的外观信息相结合,以生成准确而精细的分割。本架构肝脏分割IOU值达到0.9,取得较好的分割效果。
- 徐婷宜朱家明李祥健
- 基于区域信息的水平集医学图像分割被引量：13
- 2014年
- 医学图像分割是医学诊断中非常重要的部分,针对医学图像分割往往出现边缘泄漏和不完全分割等问题,本文提出一种基于区域信息的水平集图像分割方法。该方法通过引入符号压力函数来取代传统的停止函数,可以有效地解决曲线初始位置敏感的问题,同时使得演化曲线摆脱了单方向演化的缺陷,演化曲线根据区域信息来选择演化方向.通过构造新的速度函数可以有效地控制速度大小,当演化曲线接近目标边缘时,速度值较小,可以有效避免边缘泄漏.当曲线远离目标边缘时,速度值很大,节省演化所需的时间.
- 陈静朱家明盛朗居小平
- 关键词：医学图像分割水平集
- 基于改进的双水平集的MRI图像快速分割方法被引量：4
- 2020年
- 针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。
- 朱家明李祥健徐婷宜
- 关键词：水平集图像分割小波去噪中值滤波
- 结合分水岭算法的水平集医学图像分割方法被引量：9
- 2016年
- 由于医学图像中的复杂目标通常难以被完全分割,提出标记分水岭与改进型Li模型的组合图像分割算法。改进型Li模型构造了符号压力函数来取代传统的停止函数,解决了曲线单向演化的问题。标记分水岭具有较强的抑制噪声的能力,对医学图像的弱边缘具有较强的捕获能力。所以首先运用标记分水岭算法对图像进行预分割,快速准确定位目标区域边缘信息。再引入改进型Li模型算法,通过符号压力函数来指引曲线演化方向,控制演化速度大小,实现对复杂目标的完全分割。实验结果表明:全局信息和边缘信息都能被获得,该组合算法对医学图像中的复杂目标的分割效果较满意。
- 张辉朱家明陈静吴杰
- 关键词：医学图像分割
- 基于图像层的双水平集图像分割被引量：1
- 2015年
- 传统C-V模型可以将待分割图像分割成目标和背景两区域,但无法实现对多目标图像的分割。多相C-V模型能够对多目标图像进行分割,但需要多次迭代,计算量较大。为了解决上述问题,提出一种基于图像层的双水平集分割算法,该算法通过引入背景填充技术来改变图像背景,从而形成新的图像层,双水平集不断地在新的图像层中进行分割,直到所有目标被分割。这样通过双水平集就可以实现对多目标图像的分割。实验结果表明:该算法能够实现多目标分割,且迭代次数较少,同时具有较强的抗干扰能力和较快的收敛速度。
- 陈静朱家明吴杰
- 关键词：图像分割水平集
- 基于生成对抗网络的多模态可变形医学图像配准被引量：1
- 2021年
- 多模态医学图像的精确配准对于医生进行病情分析和诊断至关重要。针对传统配准方法迭代优化周期长、成本高,以及现有基于深度学习的配准模型对不同模态医学图像之间固有的形变配准效果差等问题,提出了一种基于可变形卷积和级联结构的生成对抗配准模型。级联串接可变形卷积的Unet网络构造了新型的生成模型,并引入基于非扩展熵的相似性测度。通过多模态配准实验,证明了该模型配准精度高、用时少、具有一定的临床应用价值。
- 宋枭朱家明王莹
- 关键词：医学图像配准级联网络
- 融合深度残差结构的Dense-UNet脑肿瘤分割被引量：2
- 2022年
- 针对医学图像分割中上下文信息联系匮乏和网络过深导致分割精度低的问题,提出了一种基于改进UNet的脑肿瘤图像分割算法。嵌套残差连接,组成一种深度监督网络模型,用密集跳跃连接替换UNet传统的连接方式,减小编码路径和解码路径特征图之间的语义差距。在残差模块中加入了注意力机制和软阈值化函数,有效降低图像噪声,减少了网络梯度的弥散程度。实验结果在全肿瘤区域(WT)Dice系数为0.846,肿瘤核心区域(TC)Dice系数为0.813,肿瘤增强区域(ET)Dice系数为0.804。验证结果表明,该方法能在复杂情况下对脑部肿瘤模糊边界进行精细分割,提高分割精度。
- 王莹朱家明徐婷宜宋枭
- 关键词：图像分割脑部肿瘤
