朱锴
- 作品数：10 被引量：30H指数：4
- 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中国科学院西部之光基金四川省自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于自适应均值漂移的超声心动图左心室分割方法被引量：7
- 2018年
- 利用超声心动图进行心室分割能够获得心室容积参数,对评价心功能有重要意义。但超声图像有噪声大、难以分割等特点,仅仅靠人工对目标区域进行手动分割工作量巨大,且目前自动分割技术尚无法保证分割精度。针对这些问题,本文提出了一种全新的算法框架对心室结构进行了分割提取。首先,采用更快速的基于区域的卷积神经网络目标检测算法对目标区域进行定位,得到感兴趣区域;然后使用K均值(K-means)算法对目标区域进行初始聚类;接着使用一种自适应核函数带宽的均值漂移(mean shift)算法进行分割;最后采用种子填充算法提取目标区域。该算法结构实现了自动提取分割目标区域,免去了人工定位的过程。实验表明,在定量评价标准下,这种分割框架能够对目标区域进行精确的提取,同时提出的自适应均值漂移算法较传统固定带宽均值漂移算法更稳定,且分割效果更好。研究结果显示,本文所述方法有助于实现超声心动图左心室切面的自动分割。
- 朱锴付忠良付忠良陶攀
- 关键词：像素聚类
- 基于多分类AdaBoost改进算法的TEE标准切面分类被引量：1
- 2017年
- 针对超声图像样本冗余、不同标准切面因疾病导致的高度相似性、感兴趣区域定位不准确问题,提出一种结合特征袋(BOF)特征、主动学习方法和多分类AdaBoost改进算法的经食管超声心动图(TEE)标准切面分类方法。首先采用BOF方法对超声图像进行描述;然后采用主动学习方法选择对分类器最有价值的样本作为训练集;最后,在AdaBoost算法对弱分类器的迭代训练中,根据临时强分类器的分类情况调整样本更新规则,实现对多分类AdaBoost算法的改进和TEE标准切面的分类。在TEE数据集和三个UCI数据集上的实验表明,相比AdaBoost.SAMME算法、多分类支持向量机(SVM)算法、BP神经网络和AdaBoost.M2算法,所提算法在各个数据集上的G-mean指标、整体分类准确率和大多数类别分类准确率都有不同程度的提升,且比较难分的类别分类准确率提升最为显著。实验结果表明,在包含类间相似样本的数据集上,分类器的性能有显著提升。
- 王莉莉付忠良陶攀朱锴
- 封面图片说明
- 2017年
- 2017年第11期封面图片来自论文“空间金字塔分解的深度可视化方法”,通过评估模型特征空间的潜在可表示性提出的一种用于改善理解模型特征空间的可视化方法.图片显示选取的深度模型来自于开源Caffe社区的经典深度卷积神经网络模型,其在ImageNet数据集上的分类识别性能依次从低到高,模型的复杂程度依次递增.为比较不同深度模型学习相同类别特征图的差异。
- 陶攀付忠良朱锴
- 关键词：卷积神经网络金字塔分解可视化
- 基于深度学习的超声心动图切面识别方法被引量：3
- 2017年
- 提出了一种基于深度卷积神经网络自动识别超声心动图标准切面的方法,并可视化分析了深度模型的有效性。针对网络全连接层占有模型大部分参数的缺点,引入空间金字塔均值池层化替代全连接层,获得更多空间结构信息,并大大减少模型参数、降低过拟合风险,通过类别显著性区域将类似注意力机制引入模型可视化过程。通过超声心动图标准切面的识别问题案例,对深度卷积神经网络模型的鲁棒性和有效性进行解释。在超声心动图上的可视化分析实验表明,改进深度模型作出的识别决策依据,同医师辨别分类超声心动图标准切面的依据一致,表明所提方法的有效性和实用性。
- 陶攀付忠良朱锴王莉莉
- 关键词：超声心动图可视化卷积神经网络
- 空间金字塔分解的深度可视化方法被引量：2
- 2017年
- 针对基于深度卷积神经网络的图像分类模型的可解释性问题,通过评估模型特征空间的潜在可表示性,提出一种用于改善理解模型特征空间的可视化方法.给定任何已训练的深度卷积网络模型,所提出的方法在依据原输入图像使得模型类别得分激活最大化时,首先对反向传播的梯度进行归一化操作,然后采用带动量的随机梯度上升训练策略,反向回传修改原输入图像.引入了通过激活最大化获得的图像可解释性的正则化方法,常规正则化技术不能主动调整模型特征空间的潜在可表示性,结合现有正则化方法提出空间金字塔分解方法,利用构建多层拉普拉斯金字塔主动提升目标图像特征空间的低频分量,结合多层高斯金字塔调整其特征空间的高频分量得到较优可视化效果.通过限制可视化区域,提出利用类别显著性激活图技术加以压制上下文无关信息,可进一步改善可视化效果.对模型学习到的不同类别和卷积层中单独的神经元进行合成可视化实验,实验结果表明提出的方法在不同的深度模型和不同的可视化任务中均能取得较优的可视化效果.
- 陶攀付忠良付忠良王莉莉
- 关键词：金字塔分解卷积神经网络
- 基于深度学习的医学计算机辅助检测方法研究被引量：5
- 2018年
- 针对自动检测医学图像中指定目标时存在的问题,提出了一种基于深度学习自动检测目标位置和估计对象姿态的算法。该算法基于区域深度卷积神经网络和目标结构的先验知识,采用区域生成候选框网络、感兴趣区域池化策略,引入包括分类损失、边框位置回归定位损失和像平面内朝向损失的多任务损失函数,近似优化一个端到端的有监督定位网络,能快速地对医学图像中目标自动定位,有效地为下一步的分割和参数自动提取提供定位结果。并在超声心动图左心室检测中提出利用检测额外标记点(二尖瓣环、心内膜垫和心尖),能高效地对左心室朝向姿态进行估计。为了验证算法的鲁棒性和有效性,实验数据选取经食管超声心动图和核磁共振图像。实验结果表明算法是快速、精确和有效的。
- 陶攀付忠良付忠良朱锴
- 关键词：计算机辅助检测核磁共振图像超声心动图
- 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
- 临床手术信息采集和分析系统被引量：2
- 2016年
- 针对临床手术数据管理的空白状态,提出利用手术黑匣子智能分析并存储手术过程中重要参数的方法。首先,利用屏幕信息截取技术提取手术监护仪上的画面;然后,利用决策树算法对图像区域进行分类,从而利用字符识别提取对特定区域的参数;最后利用支持向量机对获取的参数进行合理与否的实时评估。同时,将手术监护仪的数据进行压缩存储,并同步到云服务器,为术后手术教学重现手术过程提供准确的数据。实验结果表明,该方法能够准确记录手术过程中的重要参数,并对参数进行评估,评估结果可在一定程度上帮助临床手术决策。
- 宋海波朱锴王晓姚宇
- 关键词：手术管理手术评估辅助诊疗
- 利用关键点检测算法的超声图像定点测量被引量：4
- 2018年
- 超声图像的定点距离测量在临床医学上十分重要.由于超声图像的噪声大,边缘模糊,因此关键点自动定位在超声图像中很有挑战性.目前的关键点检测算法通常是针对单个关键点位置进行优化,难以在保证每个关键点检测精度的情况下得到准确的测量距离.为使超声图像中关键点的精度和两个关键点之间的距离更加精确,本文提出一种基于级联卷积神经网络的关键点检测算法,该方法采用两个卷积网络从粗略到精细的对关键点进行定位.首先利用第一个网络回归两个关键点的粗略位置,并将包含这两个关键点的小区域送入第二个网络.然后本文提出一种加入距离修正的损失函数,作为第二个网络的优化目标,在第一个网络输出结果的基础上定位最终的关键点位置.实验结果表明,本文提出的级联方法无论是相比传统的级联方式还是回归树方法,本文算法在超声图像的关键点定位上更为精准,并且在最终的距离测量精度上也有很大的提高,在评价标准下比传统级联方法检测精度上提升将近30%.
- 朱锴陶攀陶攀陈晓清
- 关键词：超声心动图卷积神经网络损失函数自动测量
- 基于卷积神经网络的超声图像左心室分割方法被引量：6
- 2019年
- 超声图像左心室的分割在临床上对医生的作用巨大。由于超声图像含有大量噪声,轮廓特征不明显,目前的卷积神经网络(CNN)方法对左心室分割容易得到不必要的区域,并且分割目标不完整。为了解决上述问题,在全卷积神经网络(FCN)基础上加入了关键点定位和求取图像凸包方法对分割结果进行优化。首先采用FCN获取初步的分割结果;然后为了去除分割结果中的错误区域,提出一种CNN定位左心室三个关键点的位置,通过关键点筛选掉分割结果中不必要的区域;最后为保证剩余区域能够组合成一个完整的心室,利用求取图像凸包算法将所有有效区域进行合并。实验结果表明,在超声图像左心室分割效果上,所提方法能够在普通FCN的基础上获得很大的提升,在交并比评价标准下,该方法获取的左心室结果能够比传统CNN方法提升近15%。
- 朱锴付忠良付忠良
- 关键词：超声图像卷积神经网络凸包
