时鹏
- 作品数：20 被引量：3H指数：1
- 供职机构：福建师范大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 乳腺钼靶图像乳房区域分割与钙化点检测方法
- 本发明提出一种乳腺钼靶图像乳房区域分割与钙化点检测方法，该方法运用了基于邻域像素的图像梯度权值计算方法，使得实现对于乳腺钼靶图像中人工干扰物的快速去除，并且由于运用了基于像素聚类的图像分割算法，使得实现对于乳房与胸部肌肉...
- 时鹏钟婧
- 文献传递
- 引入门控轴向自注意力的多通道病理图像分割
- 2023年
- 在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道分割网络(MCSegNet)模型,以实现病理图像细胞核的精准分割。所提模型采用双编码器和解码器结构,在其中使用轴向自注意力编码通道捕获全局特征,并使用基于残差结构的卷积编码通道获取局部精细特征;在编码通道末端,通过特征融合增强特征表示,从而为解码器提供良好的信息基础;而解码器通过级联多个上采样模块逐步生成分割结果。此外,使用改进的混合损失函数有效解决了病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的实验结果表明,改进的分割方法比U-Net在F1、交并比(IoU)指标上分别提升了2.66个百分点、2.77个百分点,有效改善了病理图像的分割效果,提高了临床诊断的可靠性。
- 陈志李歆林丽燕钟婧时鹏
- 关键词：病理图像
- 基于两视角和粒子滤波的非监督故障预报方法
- 本发明针对新设备或新系统没有过往的设备或部件的失效数据（历史故障数据）情况，提出一种两视角方法结合粒子滤波进行非监督的故障预报方法。一个视角是分析观测数据的变化范围来给出健康指标，该指标评估系统的当前数据与已知的健康数据...
- 王开军林崧时鹏
- 一种乳房钼靶检查的多任务BI-RADS风险评估与病灶标定方法
- 本发明涉及一种乳房钼靶检查的多任务BI‑RADS风险评估与病灶标定方法。该方法利用多任务框架（包括BI‑RADS评估和基于BI‑RADS词典的辅助任务）提供风险评估与病灶标定建议。该管道可解释BI‑RADS评估结果，使临...
- 时鹏钟婧李培榕
- 基于无监督深度学习的苏木精-伊红染色病理图像分割方法
- 本发明公开基于无监督深度学习的苏木精‑伊红染色病理图像分割方法，在获得HE染色病理图像以后，首先进行预处理和特征提取，之后使用K‑means聚类将像素分为5类并进行类别整合，使用既定的训练样本全自动抓取策略对聚类得到的类...
- 时鹏钟婧吴崇数
- 文献传递
- 基于图卷积网络的脑胶质瘤核磁共振图像分割
- 2024年
- 近年来基于卷积神经网络(CNN)的图像分割应用已十分广泛,在特征提取的部分取得了很大进展.然而随着卷积层数越来越深,感受野不断增大,使模型丢失局部特征信息进而影响模型性能.使用图卷积网络(GCN)处理图数据结构的信息,能够在保留局部特征同时不随层数的加深而丢失局部信息.本文主要研究将基于CNN结构的对称全卷积网络(U-Net)特征提取与基于GCN的图像分割结合,提取全局与局部、浅层与深层的多尺度特征集应用于多模态脑胶质瘤核核磁共振(MR)序列图像分割,可分为两个阶段:第1阶段利用U-Net对多模态脑核磁共振胶质瘤MR序列图像进行特征提取,通过多个池化层实现多尺度特征提取及上采样进行特征融合,其中底层输出较低级别特征,高层输出更加抽象的高级特征;第2阶段通过膨胀邻域及稀疏化处理将U-Net获得的特征图数据转化为GCN所需的图结构数据,将图像分割问题转化为图节点分类问题,最后通过余弦相似度量对图结构数据进行分类.在BraTS 2018公开数据库上的实验结果取得分割准确度0.996、灵敏度0.892的效果.相比其他深度学习模型,本方法通过多尺度特征融合,利用GCN建立高低级别特征的拓扑连接,确保局部信息不丢失以取得较好的分割效果,能够胜任临床脑胶质瘤核磁共振图像的分析需求,进而有效提高脑胶质瘤诊断精度.
- 李歆王雪真洪金省钟婧时鹏
- 关键词：脑胶质瘤核磁共振图像图像分割
- 基于自监督学习的病理图像层次分割被引量：3
- 2020年
- 在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题,提出了一种基于自监督学习的病理图像三步层次分割方法,对病理图像中各类组织进行由粗略到精细的全自动逐层分割。首先,根据互信息的计算结果在RGB色彩空间中进行特征选择;其次,采用K-means聚类将图像初步分割为各类组织结构的色彩稳定区域与模糊区域;然后,以色彩稳定区域为训练集采用朴素贝叶斯分类对模糊区域进行进一步分割,得到完整的细胞核、细胞质和胞外间隙这三类组织结构;最后,对细胞核部分进行结合形状和色彩强度的混合分水岭分割得到细胞核间的精确边界,进而量化计算细胞核个数、核占比、核质比等指标。对脑膜瘤HE染色病理图像的分割实验结果表明,所提方法对于染色和细胞形态差异保持较高的鲁棒性,各类组织区域分割误差在5%以内,在细胞核分割精度的对比实验中平均正确率在96%以上,满足临床自动图像分析的要求,其量化结果可以为定量病理分析提供依据。
- 吴崇数林霖薛蕴菁时鹏
- 关键词：病理图像图像分割K-MEANS聚类朴素贝叶斯分类
- 基于局部-全局自适应信息学习的脑肿瘤MR图像分割方法
- 本发明涉及一种基于局部‑全局自适应信息学习的脑肿瘤MR图像分割方法。该方法通过提取脑肿瘤MR图像中的影像信息，采用半监督学习方法将MR图像中的肿瘤分割为肿瘤整体区域、肿瘤核心区域和增强肿瘤核心区域。首先，通过利用空间域和...
- 时鹏钟婧陈进杨
- 基于像素邻域特征聚类的淋巴结HE染色病理图像分割方法
- 本发明涉及一种基于像素邻域特征聚类的淋巴结HE染色病理图像分割方法，运用了基于像素邻域特征聚类的图像分割算法，使得实现对于淋巴结HE染色病理图像中不同类型组织包括细胞核、细胞质与胞外间质之间的快速精确边缘检测，并且由于运...
- 时鹏钟婧
- 文献传递
- 基于轻量级神经网络的乳腺钼靶图像深度学习分类方法
- 本发明涉及一种基于轻量级神经网络的乳腺钼靶图像深度学习分类方法。该方法运用了基于深度学习的图像分类算法，实现对于乳腺钼靶图像的乳腺密度分类，并且运用了基于轻量级神经网络的深度学习框架。本发明方法显著提高了在小规模图像数据...
- 时鹏钟婧
- 文献传递
