公共文化服务平台

陈胜: 作品数：32 被引量：81H指数：5; 供职机构：上海理工大学光电信息与计算机工程学院更多>>; 发文基金：国家自然科学基金上海市自然科学基金更多>>; 相关领域：自动化与计算机技术医药卫生文化科学更多>>

合作作者

胸部解剖结构回归模型的虚拟双能量X线减影方法被引量：3: 2016年; 目的探索从常规X线胸片图像中分割出骨质结构,获取仅含软组织图像的虚拟双能量X线减影的方法,旨在不增加放射剂量的条件下获取高质量的临床肺结节影像诊断效果。方法首先将肺区自动划分出8个特定解剖结构的子区域:左右侧肺叶的上、中、下部和左右肺门;然后针对每个特定解剖区域,利用从双能量设备获取的标准胸片和其对应的骨质图像对多分辨率的大规模训练人工神经网络(MTANNs)进行训练。训练好后,可以利用该ANN处理获得该解剖结构子区域的虚拟骨质图像。融合从8个多分辨率ANNs输出的骨质图像,融合得到一幅完整的虚拟骨质图像。接下来采用总变分最小化平滑的方法抑制虚拟骨质图像中的噪声,且增强骨骼边缘。最后将虚拟骨质图像从原图中相减获得虚拟软组织图像。结果用110幅含有肺结节的胸片图像对算法进行了测试,新方法用于常规X线胸片所得虚拟软组织图像可有效地去除原片中骨质结构影像,较清晰地保留肺结节和血管影像,有利于临床肺结节的诊断。采用新方法可使肺结节的正确识别率提高到88%(传统方法识别率为70%)。结论基于解剖结构的人工神经网络回归模型能有效地分离出骨骼,可以广泛地应用于临床诊断,帮助放射科医生检测出肺结节。; 陈胜张茗屋; 关键词：X光胸片肺结节

基于多标签深度网络的自动肋骨分割被引量：1: 2022年; 为解决放射科医生在观察X射线胸片时,因肺区肋骨和软组织的相互重叠而无法准确检测病灶的问题,提出一种基于多标签系统的自动肋骨分割的深度学习模型MUS-Net。首先,将U-Net网络作为主体网络结构,采用多尺度输入层构造图像金字塔,边输出层为不同尺度层生成相应的局部预测图,多标签损失函数生成最终的肋骨分割图;然后,采用计算机辅助检测系统生成肺区掩膜,与肋骨分割图结合得到肺区肋骨分割图;最后,对实验结果进行主、客观评价并与对比模型相比较,所提模型在分割精度、视觉感知方面均更优,证明了该模型的有效性。; 王佳雯陈胜; 关键词：胸片

一种全新的两步自动化医学图像分割方案被引量：4: 2016年; 针对现有图像分割方法存在需要手动分割,以及精确度较低的问题。采用一种全新的两步图像分割方案。该方案。以基于人工神经网络的模式识别技术,即人工神经网络的大规模培训的方法,通过对肺区不同子区域内结构进行分割处理,利用训练好的大规模人工神经网络对标准胸片中的肋骨、锁骨等骨质结构进行抑制,结合以基于区域的活动轮廓模型,即Snake模型,正确分割亮度不均匀的图像。文中选择与医护人员人工分割的图像进行对比,通过放射科医生采用等级法打分,原图的平均分为2.0分,而通过文中改进的分割方法平均分高达3.4分。; 何菁陈胜; 关键词：人工神经网络活动轮廓模型医学图像分割

基于双边结构多尺度动态图的牙齿点云分割: 2024年; 牙齿隐形矫治装置设计的关键就是将牙齿区域从口腔内三维点云模型中实现精准分割,并在尽量降低人为干预的需求下,对牙齿区域中的单颗牙齿实现全自动分割。传统分割技术需要依赖于专家的先验知识以及大量的人机交互辅助操作,分割性能易受到牙齿形状和位置变化的影响,无法实现全自动分割。因此本文提出了一种Multi-Dynamic Graph of Bilateral Structurest(M-DGB)模型。模型使用双边结构将点云特征信息分别输入坐标边与法向量边,首先利用特征转换模块获得不同尺度的初始全局特征,之后利用多尺度动态图模块中的K近邻图与改进的动态图卷积EdgeConv++模仿卷积神经网络渐近地增加感受野的方式,对局部几何特征实现分层次多尺度学习,进一步提取增强后的局部特征。最后将先前得到的局部增强特征与全局特征密集融合,以获取更具有表达能力的多属性特征。此外,改进了一种混合损失函数,加强牙齿与牙龈的边界分割。将该模型在自制数据集上进行实验,与现有点云分割模型PointNet、PointNet++、MeshSegNet相比,分割精度提高,平均Dice系数为0.972、PPV为0.964、SEN为0.987。; 王桢陈胜; 关键词：点云分割

图像语义分割问题研究综述被引量：10: 2018年; 图像语义分割作为AI领域的重要分支,是计算机视觉技术中的重要环节,同时也是深度学习算法的重要应用。介绍深度学习应用于计算机视觉技术之前图像处理中语义分割传统算法,并探讨语义分割问题中基于不同神经网络结构模型的深度学习算法及性能,如FCN、U-net算法。最后针对当前图像语义分割算法应用,总结展望未来研究方向。; 肖朝霞陈胜; 关键词：图像处理神经网络

基于ResNet-ViT的海战多目标态势感知被引量：1: 2023年; 战场态势意图由一系列战术动机组成,具有时序、动态、多目标等特点。现有的态势感知方法中存在只研究单目标或忽略时序性的问题。在海战多目标、长周期的背景下,针对以上问题,提出了一种基于ResNet-ViT网络的海战综合态势感知模型。其中ResNet(Residual Network)网络用于提取目标之间的空间特征,而ViT(Vision Transformer)网络则利用Transformer能够挖掘长距离依赖的特性来捕获时序特征。结果表明:模型能以92%~95%的准确率(预测正确的样本的数量与总样本数量的比例)预测海战意图,解决了长周期下多目标协同作战的意图预测问题。; 朱小勇陈胜; 关键词：海战态势感知多目标

基于环境特征融合的海战单目标态势感知: 2024年; 态势感知是指在实时战场环境下,对敌方作战意图进行推理判断。为了提高对海战单目标情况预测的准确性,提出了一种基于环境特征融合的CNN-BiGRU(CNN-Bidirectional Gated Recurrent Unit)海战单目标态势感知模型。首先,提出了一种环境特征与时序特征相融合的方法,解决环境信息冗余对意图预测的影响;然后,卷积神经网络结合BiGRU网络,实现环境特征和时序特征的提取与融合。实验结果表明,融合了环境特征的态势感知模型提高了意图识别的准确率,解决了单目标海战的意图预测问题。; 黄陈雨佳陈胜; 关键词：海战态势感知

机器学习在不良心血管事件诊断中的应用综述被引量：1: 2023年; 急性冠状动脉综合征是由冠状动脉血流减少引起的一种急性严重综合征,是造成全球范围内患者死亡和长期严重残疾的重要原因,因此预测不良心血管事件对患者的风险排查、早期诊断和治疗等有着重要价值。机器学习可以探索新的可能性,揭示患者信息统计大数据中的隐藏关系,将对心血管疾病的辅助诊断和预后分析产生积极影响。阐述临床常用的风险评分工具,介绍其主要依赖患者的各项生理健康指标、既往病史等因素以及采用Cox回归模型进行高风险因素快速筛选的能力。回顾不同机器学习模型在急性冠脉综合征患者风险评估中的应用及其在预测长短期不良心血管事件中的特点和能力,并对机器学习算法在医学数据中应用的广阔前景进行展望。; 柯盼盼陈胜李珂然; 关键词：急性冠脉综合征不良心血管事件大数据

一种改进的参数化对数图像处理方法被引量：1: 2017年; 针对现有胸片中根据肺结节对病情诊断不精确的问题。采用一个基于拉普拉斯高斯滤波的参数化对数图像处理方法对CXR中的肺结点进行增强。该方法采用具有相应参数的Lo G来增强原始胸片中的结节状结构和边缘。然后再利用参数变化的PLIP方法提高图像对比度。文中选择熵值对此方法进行评估。熵值越小,表明图像增强的性能越好。从结果来看,采用不同参数的改进PLIP方法处理后图像的熵值平均为原始图像熵值的1/12。; 张凯杰陈胜; 关键词：胸片肺结节图像增强

改进的分水岭算法用于X光医学图像分割被引量：3: 2015年; 为了提高医学图像分割质量,提出了一种基于X光医学图像的改进分水岭算法。算法在应用分水岭算法前首先对感兴趣图像进行预处理,包括对感兴趣区域进行最小阈值法,分离背景区,对前景区运用腐蚀和膨胀运算得到候选区;在分水岭变换过程中,通过像素聚类合并准则,将与主像素聚类有相同特性的次像素聚类加入到分割结果中,最终得到合并区域。试验证明,这种改进的分水岭算法使过分割现象得到减少,有效地分割和提取医学图像中的病变区域。; 戴橙陈胜; 关键词：医学图像分割

陈胜

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

陈胜

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