孙明建
- 作品数：8 被引量：14H指数：2
- 供职机构：南京信息工程大学更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏省“六大人才高峰”高层次人才项目更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 一种基于Hash编码的超光谱遥感图像分类方法
- 本发明公开了一种基于Hash编码的超光谱遥感图像分类方法，属于图像信息处理技术领域，提出了用块Hash自动编码的思想来处理超光谱遥感图像，本发明提出了用Hash自动编码的思想来处理超光谱遥感图像，将遥感图像每个通道提取出...
- 徐军张倩刘利卉周超鲁浩达孙明建
- 文献传递
- 基于深度全卷积网络的肝脏肿瘤自动分割
- 肝癌是一种发病率和死亡率都非常高的疾病，严重威胁着我国人民的健康。近年来，计算机断层成像(Computed Tomography)已成为肝脏肿瘤检查最常见的成像方式，医生通过观察腹部CT图像可以制定出合理有效的治疗方案，...
- 孙明建
- 关键词：肝脏肿瘤CT图像鲁棒性
- 文献传递
- 基于新型深度全卷积网络的肝脏CT影像三维区域自动分割被引量：9
- 2018年
- 肝脏分割对于肝肿瘤肝段切除及肝移植体积测量具有重要的临床价值。由于在CT影像中肝脏与邻近脏器的灰度值相似性很高,因此对肝脏区域的三维自动分割是一项具有挑战性的难题。为解决精准肝脏分割的问题,提出一种新型的深度全卷积网络结构3DUnet-C2。该结构充分利用肝脏CT图像的三维空间信息,并有效结合肝脏区域的浅层特征和深层特征。特别地,还提出一种新的3DUnet-C2网络训练策略,通过选取清晰图像,并从图像中截取肝脏区域作为样本进行训练的方式,得到初步3DUnet-C2模型权重,并使用该权重来初始化3DUnet-C2的网络参数,从而使网络达到收敛。最后,针对3DUnet-C2网络分割肝脏边界不精准的问题,在原有3DUnet-C2网络模型的基础上,运用三维条件随机场构建3DUnet-C2-CRF模型来优化肝脏分割边界。为了验证所提出三维分割模型的性能,从ISBI2017 Liver Tumor Segmentation Challenge的数据集中选取100张CT图像用于训练、验证和测试,3DUnet-C2-CRF模型在随机选取的20张测试集上的分割准确率的Dice系数为96.9%,高于3DUnet和Vnet模型的Dice系数。实验结果表明,3DUnet-C2-CRF模型具有更好的特征表达能力以及更强的泛化性能,从而可提升模型的分割准确率。
- 孙明建徐军马伟张玉东
- 关键词：肝脏分割条件随机场
- 新型乳腺磁共振增强图像肿瘤区域的自动分割模型被引量：5
- 2019年
- 乳腺磁共振增强图像上,乳腺癌主要有肿块型和非肿块型两种强化方式。由于乳腺肿瘤区域相对较小,肿块型和非肿块型之间形态学差异大,非肿块型自身差异性复杂,因而很难精确分割出乳腺肿瘤区域。针对这些问题,提出一套新颖的粗检测细分割的深度学习模型(YOLOv2+SegNet)。该模型在精准分割之前,首先运用YOLOv2网络在乳腺可能的肿瘤区域进行粗检测,从而得到大致可能的肿瘤区域;接下来在粗检测的基础上,针对检测到可能的肿瘤区域,运用SegNet网络进行精细分割,从而实现算法最优的性能。为了验证YOLOv2+SegNet模型的有效性,从医院采集的数据集中选取560张乳腺MRI增强图像作为训练和测试(其中训练和测试集分别为415张和145张乳腺MRI数据)。在实验的过程中,运用YOLOv2+SegNet模型,分别对乳腺肿块型、非肿块型、肿块和非肿块混合型3类MRI数据进行肿瘤区域自动分割的实验。实验结果表明:YOLOv2+SegNet模型和SegNet网络分割结果的Dice系数相比有约10%的提升,与传统的C-V模型、模糊C均值聚类、光谱映射主动轮廓模型以及深度模型U-net、DeepLab相比有更为明显的提升。
- 马伟刘鸿利孙明建徐军蒋燕妮
- 关键词：乳腺癌肿块型
- 基于深度网络的结直肠全景数字病理图像组织分割方法
- 本发明公开一种基于深度网络的结直肠全景数字病理图像组织分割方法，包括以下步骤：（1）获取结直肠全景数字病理图片：（2）将结直肠的全景数字图像分割；（3）训练样本图像的建立；（4）提取不同类别的组织深度特征；（5）利用分类...
- 徐军蔡程飞徐海俊孙明建
- 基于深度网络的结直肠全景数字病理图像组织分割方法
- 本发明公开一种基于深度网络的结直肠全景数字病理图像组织分割方法，包括以下步骤：（1）获取结直肠全景数字病理图片：（2）将结直肠的全景数字图像分割；（3）训练样本图像的建立；（4）提取不同类别的组织深度特征；（5）利用分类...
- 徐军蔡程飞徐海俊孙明建
- 文献传递
- 一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法
- 本发明涉及一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，属于图像信息处理技术领域。动态选择乳腺癌核磁共振图像1％‑99％范围的CT值进行归一化预处理后输入YOLO_v2检测模型，验证集的损失及分类准确率、获得深度...
- 徐军马伟孙明建徐海俊
- 一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法
- 本发明涉及一种基于分子亚型的乳腺癌核磁共振图像肿瘤区域分割方法，属于图像信息处理技术领域。动态选择乳腺癌核磁共振图像1％‑99％范围的CT值进行归一化预处理后输入YOLO_v2检测模型，验证集的损失及分类准确率、获得深度...
- 徐军马伟孙明建徐海俊
- 文献传递
