公共文化服务平台

陈业航: 作品数：12 被引量：21H指数：3; 供职机构：桂林航天工业学院更多>>; 发文基金：国家自然科学基金广东省医学科学技术研究基金广西壮族自治区自然科学基金更多>>; 相关领域：自动化与计算机技术医药卫生电子电信更多>>

合作作者

MRI纹理特征分析预测浸润性乳腺癌脉管浸润被引量：10: 2020年; 目的评估MRI纹理特征预测浸润性乳腺癌(IBC)脉管浸润(LVI)的价值。方法将204例接受MR检查并经术后病理证实IBC患者分为训练组80例(LVI阳性亚组30例、阴性亚组50例)、内部验证组66例(LVI阳性亚组21例、阴性亚组45例)和外部验证组58例(LVI阳性亚组20例、阴性亚组38例)。自临床及常规MRI征象中筛选LVI独立危险因素,构建主观MRI征象模型。对MRI所示病灶进行分割、纹理特征提取和筛选,构建纹理特征模型。采用受试者工作特征(ROC)曲线评价2种模型的诊断效能。结果瘤周水肿类型(OR=3.82)和MRI腋窝淋巴结状态(OR=7.63)是LVI的独立危险因素。自4300个纹理特征中筛选出GLRLM_LRHGE_1_0.67_Equal_32、GLRLM_GLV_1_0.67_Equal_32和GLRLM_GLV_1_0.67_Equal_64共3个有效特征构建纹理模型。内、外部验证组中,纹理特征模型诊断LVI的准确率分别为86.36%和79.31%、敏感度为66.67%和60.00%、特异度为95.56%和89.47%、AUC为0.86和0.84,诊断效能均高于主观MRI征象模型(P均=0.04)。结论根据MRI纹理特征可在术前有效预测IBC LVI状态。; 刘壮盛李昌林李昌林衣利磊李智李荣岗陈业航龙晚生冯宝; 关键词：乳腺肿瘤肿瘤转移纹理分析

自适应迁移鲁棒特征的个性化联邦医学图像分类: 2024年; 目的针对联邦学习中多中心医学数据的异质性特征导致全局模型性能不佳的问题,提出一种基于特征迁移的自适应个性化联邦学习算法(adaptive personalized federated learning via feature transfer,APFFT)。方法首先,为降低全局模型中异质性特征信息影响,提出鲁棒特征选择网络(robust feature selection network,RFS-Net)构建个性化本地模型。RFS-Net通过学习两个迁移权重分别确定全局模型向本地模型迁移时的有效特征以及特征迁移的目的地,并构建基于迁移权重的迁移损失函数以加强本地模型对全局模型中有效特征的注意力,从而构建个性化本地模型。然后,为过滤各本地模型中异质性特征信息,利用自适应聚合网络(adaptive aggregation network,AANet)聚合全局模型。AA-Net基于全局模型交叉熵变化更新迁移权重并构建聚合损失,使各本地模型向全局模型迁移鲁棒特征,提高全局模型的特征表达能力。结果在3种医学图像分类任务上与4种现有方法进行比较实验,在肺结核肺腺癌分类任务中,各中心曲线下面积(area under the curve,AUC)分别为0.7915,0.7981,0.7600,0.7057和0.8069;在乳腺癌组织学图像分类任务中,各中心准确率分别为0.9849、0.9808、0.9835、0.9826和0.9834;在肺结节良恶性分类任务中,各中心AUC分别为0.8097,0.8498,0.7848和0.7923。结论所提出的联邦学习方法,降低了多中心的异质性特征影响,实现基于鲁棒特征的个性化本地模型自适应构建和全局模型自适应聚合,模型性能有较大提升。; 陆森良冯宝徐坤财陈业航陈相猛; 关键词：医学图像分类

基于脑电信号控制的康复手套系统: 本发明涉及人工智能医学技术领域，具体涉及一种脑电信号控制的手套康复系统，包括：脑电信号采集装置，用于采集脑电信号，实现脑电信息的放大,并将放大后的脑电信号传递到PC端；PC端，用于实现脑电信号的记录，并对脑电信号进行滤波...; 冯宝侍江峰李铭心李运德蒋成亮陈业航刘昱何婧周皓阳张绍荣梁国富胡庆辉; 文献传递

基于CT图像的深度学习模型鉴别良恶性肾肿瘤被引量：1: 2023年; 目的:探讨基于CT图像的深度学习模型对肾脏良、恶性肿瘤的鉴别诊断价值。方法:回顾性搜集2008-2020年经病理证实且符合本研究要求的798位患者(共805例肾肿瘤)的临床和三期(平扫、皮髓质期和实质期)腹部CT影像资料。其中,来自本院的418例肾癌和78例肾良性肿瘤的资料用于建立影像组学模型和内部验证,来自另外两个研究中心和一个公共数据库(癌症医学图像数据库TCIA)的262例肾癌和47例肾良性肿瘤的资料作为独立外部验证集。使用ITK-SNAP3.6.0软件,在三期CT图像中选择肿瘤边缘显示较清楚的一期图像,选取肿瘤最大层面及其上、下相邻层面,沿病灶边缘手动勾画ROI,再通过软件的空间调整技术,使另外两期CT图像上肿瘤的边缘与勾画的ROI的边缘最大程度地拟合。使用ResNet50网络中的卷积核作为特征提取器,分别提取3期图像上肾肿瘤的影像组学特征,并采用Mann-Whitney U检验进行特征的筛选。对于同一肾肿瘤,分别建立基于单期和3期CT图像的深度学习模型,并对各模型的预测效能进行外部验证。随后,将训练集中良、恶性肿瘤组的样本数按3种比例(1∶1、1∶2、1∶3)进行设置,分别用于极限学习机(ELM)分类模型的训练,建立基于多期CT图像的3种深度学习模型,并对模型进行外部验证。采用AUC曲线评估深度学习模型对良恶性肾肿瘤的鉴别诊断效能,采用综合判别改善指数(IDI)评估模型预测能力的改善情况。结果:基于多期CT图像的预测模型预测恶性肿瘤的AUC(0.84)大于基于单期(平扫、皮髓质期和实质期)图像的3个AUC(0.78、0.79、0.77)。良性与恶性肿瘤的样本数比例分别为1∶1、1∶2和1∶3时,基于多期图像的预测模型的AUC分别为0.85、0.84和0.86。基于多期图像的预测模型与基于单期图像的3个预测模型比较,IDI值分别为0.1215、0.1209和0.0094(P均>0.05)。结论:基于多期CT图像的深度学习�; 陈美容周涛陈炫幸钟向阳陈智慧冯宝陈业航徐坤财; 关键词：肾肿瘤

小波能量引导下基于活动轮廓模型的部分实性肺结节分割被引量：3: 2019年; 由于部分实性肺结节(pGGO)中的实性成分存在亮度不均匀和边界模糊等问题,传统的活动轮廓模型很难取得精确的分割结果.为此,文中提出了一种改进的小波能量引导下的活动轮廓模型来完成pGGO中实性成分的分割.首先,通过小波变换将图像的灰度信息转变成小波系数,对低通小波系数进行模糊化,以抑制图像局部区域过增强和欠增强,同时结合高通小波系数计算图像的小波能量并构建活动轮廓模型的区域项,以加强肺结节中实性成分与周围磨玻璃影的区分;然后,利用高斯混合模型计算肺结节图像的后验概率,将后验概率差作为活动轮廓模型的边界检测函数,使得在实性成分的边界处边界检测函数趋于0,轮廓曲线停止演变.实验结果显示,文中提出的模型得到的真阳性率为0.95、假阳性率为0.23和相似度为0.80,有助于pGGO中实性成分的确定.; 冯宝冯宝李浦生陈业航陈业航龙晚生; 关键词：活动轮廓模型后验概率图像分割

智能制造技术与智能制造系统的发展与研究被引量：7: 2016年; 介绍智能制造技术与智能制造系统国内外的发展现状与前景。分析国内智能制造存在的关键问题;简单探讨了智能制造技术及系统的研究方向与课题;提出了发展智能制造系统所的需要发展的关键技术,强调人的思维在系统中的作用。了解到智能制造技术及系统是未来科技的重要组成部分,以后的智能制造系统定是以高度的集成化与智能化为特点的自动化系统。; 陈业航; 关键词：智能制造技术智能制造系统人工智能化

一种帕金森患者康复训练设备: 本发明涉及帕金森患者康复训练技术领域，提出了一种帕金森患者康复训练设备，包括恢复仓外壳，所述恢复仓外壳上转动安装有两个转门，两个所述转门上均固定设置有观察窗，两个所述转门上均固定设置有把手，所述恢复仓外壳的内部固定设置有...; 陈业航龙晚生崔恩铭胡荣亮陶玉标李堂进何婧周皓阳李运德蒋成亮梁国富胡庆辉吴尽昭

一种持卡人身份识别装置: 本实用新型公开一种持卡人身份识别装置，身份证采集仪能够自动完成身份证正反面标准图像中所包含的个人信息中的人脸图像或身份证内置芯片中所包含的个人信息的比对与证件的真伪辨别；利用身份证采集仪采集持卡人的身份证的个人信息，并利...; 刘昱陈业航李昌林黄文静侍江烽胡惠民李智

一种非接触式图像传输装置: 本实用新型公开了一种非接触式图像传输装置，包括传输装置外壳，所述传输装置外壳的前端外表面设置有开关按钮与传输按钮，所述传输按钮位于开关按钮的一侧，所述传输装置外壳的内部固定安装有电源管理模块、蓝牙模块/GPRS通信模块/...; 冯宝何婧陈业航李昌林李智张绍荣; 文献传递

基于自适应聚合权重联邦学习的肺结节CT图像分类: 2023年; 针对目前医学影像面临多中心数据存在数据孤岛以及非独立同分布的问题(Non-IID),提出了一种基于自适应聚合权重的联邦学习算法(FedAaw)。在全局模型聚合过程中,提出准确率阈值来筛选出本地模型,并由中心服务器采用筛选后模型的准确率计算相应的聚合权重,从而对全局模型进行聚合,使得分类性能较佳的模型参与全局模型的构建,以达到缓解多中心数据Non-IID的问题。同时,为提高模型挖掘图像长短距离信息之间的能力,在本地和全局模型中引入多头自注意力(MHSA)机制。此外,为缓解端对端的冗余特征造成的模型过拟合问题,提取全局模型中卷积核的特征,并采用基于L1范数的稀疏贝叶斯极限学习机(SBELML_(1))的集成学习方法完成各中心数据的特征分类。最后,通过多次打乱不同中心的数据分布来验证FedAaw算法的抗干扰能力。5个中心的测试集AUC变化范围为中心1(0.7947~0.8037)、中心2(0.8105~0.8405)、中心3(0.6768~0.7758)、中心4(0.8496~0.9063)、中心5(0.8913~0.9348),该结果表明:FedAaw在多中心数据上具有良好的分类性能且抗干扰能力较强。; 侍江烽冯宝陈业航陈相猛

陈业航

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

陈业航

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈