王晓东
- 作品数：8 被引量：9H指数：2
- 供职机构：中国科学院成都计算机应用研究所更多>>
- 发文基金：四川省科技支撑计划四川省科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于邻近切片注意力融合的直肠癌分割网络
- 2023年
- 针对直肠癌目标靶区在磁共振成像(MRI)图像的大小、形状、纹理和边界清晰程度不同等问题,为了克服患者之间的个体差异性并提高分割精度,提出一种基于邻近切片注意力融合的直肠癌分割网络(ASAF-Net)。首先,使用高分辨率网络(HRNet)作为主干网络,并在特征提取过程始终保持高分辨率特征表示,以减少语义信息和空间位置信息的损失;其次,通过邻近切片注意力融合(ASAF)模块融合并增强相邻切片之间的多尺度上下文语义信息,使网络能够学习相邻切片之间的空间特征;最后,在解码网络使用全卷积网络(FCN)和空洞空间金字塔池化(ASPP)分割头协同训练,并通过添加相邻切片间的一致性约束作为辅助损失缓解训练过程中出现的相邻切片差异过大的问题。实验结果表明,与HRNet相比,ASAF-Net在平均交并比(IoU)、平均Dice相似系数(DSC)指标上分别提升了1.68和1.26个百分点,平均95%豪斯多夫距离(HD)降低了0.91 mm。同时,ASAF-Net在直肠癌MRI图像多目标靶区的内部填充和边界预测方面均能实现更好的分割效果,有助于提升医生在临床辅助诊断中的效率。
- 兰冬雷王晓东姚宇姚宇周继陶
- 关键词：直肠癌图像分割
- 基于Octave卷积的超声心动图左心室分割方法被引量：4
- 2020年
- 针对传统卷积神经网络(CNN)对左心室的分割精度低且在特征提取过程中存在特征冗余的问题,在传统卷积神经网络的基础上提出基于Octave卷积的超声心动图左心室分割方法。首先,使用Octave卷积对图像进行特征提取,将特征图分为高频部分和低频部分,在卷积的过程中减少了低频信息的使用,从而降低了网络模型的计算量;其次,提出了新的损失函数,将交叉熵和Dice系数进行加权结合。实验结果表明,利用该方法在二腔心数据集上测试,其分割结果的平均像素交并比(MIoU)能够达到79.21%,较传统的U-net卷积神经网络精度提升6.1个百分点,在拥有低计算量的同时提高了分割精度。
- 唐柳王晓东陈哲彬文含姚宇
- 关键词：超声心动图图像分割左心室
- 基于卷积神经网络的左心室超声图像特征点定位被引量：1
- 2019年
- 针对传统级联卷积神经网络(CNN)在左心室超声图像中定位准确度较低的问题,提出一种融合更快速区域卷积神经网络(Faster-RCNN)模型提取区域的级联卷积神经网络,实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先,采用两级级联的方式改进传统级联卷积神经网络的网络结构,第一级网络利用一个改进的卷积网络粗略定位左心室心内膜和心外膜联合的特征点,第二级网络使用四个改进的卷积网络分别对心内膜特征点和心外膜特征点进行位置微调,之后定位输出左心室心内膜和心外膜联合的轮廓特征点位置;然后,将改进的级联卷积神经网络与目标区域提取融合,即利用Faster-RCNN模型提取包含左心室的目标区域并将目标区域送入改进的级联卷积神经网络;最后,由粗到细对左心室轮廓特征点进行定位。实验结果表明,与传统级联卷积神经网络相比,所提方法在左心室超声图像上的定位效果更好,更逼近真实值,在均方根误差的评价标准下,特征点定位准确度提升了32.6个百分点。
- 周玉金王晓东张力戈朱锴姚宇
- 关键词：超声心动图左心室特征点定位卷积神经网络
- 基于空间分频的超声图像分割注意力网络被引量：2
- 2021年
- 针对医学超声影像噪点多、边界模糊,器官轮廓很难界定的问题,提出了一种基于空间分频的超声图像分割注意力网络(SFDA-Net)。首先,借助Octave卷积在整个网络中对图像实现了高、低频并行处理,从而获得更加多元的信息。然后,加入卷积块注意模块(CBAM),使图像特征恢复时更加关注有效信息,以减小分割目标整体区域的缺失。最后,使用FocalTverskyLoss作为目标函数,从而降低简单样本的权重并加强对困难样本的关注,以及降低各个类别间因像素误判而引入的误差。通过多组对比实验可知,SFDA-Net的参数量低于原UNet++,而分割精度提高了6.2个百分点,Dice得分提高了8.76个百分点,类别平均像素准确率(mPA)提升至84.09%,平均交并比(mIoU)提升至75.79%。SFDA-Net在降低参数量的同时稳步提高了网络性能,实现了更为准确的超声心动图分割。
- 沈雪雯王晓东姚宇
- 关键词：超声心动图图像分割
- 基于Transformer和生成对抗网络的临床靶区分割方法
- 2022年
- 针对前列腺临床靶区的对比度不均、边缘模糊、形态大小不一等问题,提出了一种基于Transformer和生成对抗网络的前列腺临床靶区分割方法(TG-UNet)。首先借助多头注意力机制有效地提取全局及局部信息,将分割结果输入到生成对抗网络,然后判别网络判断输入是分割预测结果还是真实标签,最后分割网络利用判别结果优化调整自身参数以获得更贴近真实标签的分割结果。通过多组对比实验可知,与U-Net相比,该网络在Dice系数、平均交并比(mIOU)、平均像素准确度(mPA)等指标上分别提升了9.98个百分点、12.41个百分点、0.68个百分点。实验结果表明,所提方法能够提取更多前列腺临床靶区细节,且具有较强的泛化能力。
- 沈鳌王晓东姚宇
- 关键词：临床靶区图像分割
- 一种加香加料装置
- 本实用新型涉及流量自动检测技术的加香加料装置,特别针对高浓度、高粘度、含大颗粒液体。由于采用了高精度的液位传感器,所以能减少成本,同时检测精度高,解决了高浓度、高粘度、含大颗粒液体产生的堵料问题,故可用于烟、酒、糖、食品...
- 张炳泉马铁军蒋可王晓东
- 文献传递
- 基于乘积量化的近似最近邻算法被引量：3
- 2018年
- 多媒体数据平台难以应付海量数据高效索引和搜索数据的问题,提出了一种解决近似最近邻问题的乘积量化算法。首先,根据海量数据索引和搜索问题的特性,采用近似最近邻思想建立数学模型;然后通过将数据的高维特征分段进行单独k最近邻编码得到数据的压缩编码;其次,根据编码方式建立解码器使得压缩编码可以近似地还原成原始特征。最后利用非对称距离计算的方式,计算出原始向量与压缩编码的距离,根据该距离来判断数据之间的相似程度达到搜索的目的。理论分析表明,与传统的基于局部哈希敏感的数据搜索算法相比,采用非对称距离计算的乘积量化算法在同等时间和召回率的条件下,搜索速度提高了约1 000倍。
- 陶津王晓东姚宇
- 关键词：聚类算法倒排索引
- 基于多任务学习的肝脏肿瘤自动分割方法
- 2021年
- 针对深度学习医学影像分割所需的标注数据获取困难且数量少的问题,提出一种基于多任务学习的肝脏肿瘤自动分割方法。提出该方法的主要动机一方面是想要缓解分割数据样本少的问题,另一方面是想要利用不同任务之间有用的信息来提升整体的学习效果。该方法所采用数据集一部分是逐像素的分割数据集,一部分是形式为bounding-box的目标检测数据集。该方法首先通过共享主网络挖掘不同任务之间的相关性,提取通用的特征,然后两个子任务分支通过注意力机制从共享主网络上提取对自身有用的特征,最后两个子网络结合自身的特异性特征与主网络上提取的通用特征来分别完成检测与分割任务。实验结果表明,在一定的样本比例下,该方法相较于U-Net的Dice系数提升了6.67个百分点,表明该方法能够有效利用额外的目标检测数据来提高分割任务的精度。
- 萧力芮王晓东姚宇康天赐
- 关键词：图像分割多任务学习
