【摘 要】
：
残差神经网络(residual neural network,ResNet)及其优化是深度学习研究的热点之一,在医学图像领域应用广泛,在肿瘤、心脑血管和神经系统疾病等重大疾病的临床诊断、分期、转移、治疗决策和靶区勾画方面取得良好效果。本文对残差神经网络的学习优化进行了总结:阐述了残差神经网络学习算法优化,从激活函数、损失函数、参数优化算法、学习衰减率、归一化和正则化技术等6方面进行总结,其中激活函
【机 构】
：
北方民族大学计算机科学与工程学院,银川750021宁夏智能信息与大数据处理重点实验室,银川750021;北方民族大学计算机科学与工程学院,银川750021;宁夏医科大学理学院,银川750004;宁夏医
论文部分内容阅读
残差神经网络(residual neural network,ResNet)及其优化是深度学习研究的热点之一,在医学图像领域应用广泛,在肿瘤、心脑血管和神经系统疾病等重大疾病的临床诊断、分期、转移、治疗决策和靶区勾画方面取得良好效果。本文对残差神经网络的学习优化进行了总结:阐述了残差神经网络学习算法优化,从激活函数、损失函数、参数优化算法、学习衰减率、归一化和正则化技术等6方面进行总结,其中激活函数的改进方法主要有Sigmoid、tanh、ReLU、PReLU(parameteric ReLU)、随
其他文献
精神分裂症是一种大脑存在结构和功能异常的严重精神疾病,目前尚无十分有效的诊疗手段。许多研究者尝试采用基于磁共振影像的机器学习方法辅助诊断精神分裂症。深度学习由于其强大的特征表示能力,在医学影像等领域得到了广泛的应用,表现出比传统机器学习方法更优异的性能。目前已有论文对深度学习在医学影像领域内的应用进行了详细的总结和分析,却很少有论文对其在具体某一疾病(例如精神分裂症)诊断中的应用进行系统的梳理和总
在现代医学中,医学影像检查是临床疾病筛查、诊断、治疗引导和评估的重要方法和工具,是医疗过程中最重要的环节之一.目前医院里70％以上的临床诊断行为需要借助医学影像检查,影
为了进一步促进人工智能在医学影像的技术应用,推进我国现代医学影像处理领域的发展,《中国图象图形学报》邀请国内外医学影像领域的一线科学家和青年学者代表,围绕临床检测
Si-based solar cells,which have the advantages of high efficiency,low manufacturing costs,and outstanding stability,are dominant in the photovoltaic market.Curr
With strong electron-phonon coupling,the self-trapped excitons are usually formed in materials,which leads to the local lattice distortion and localized exciton
Metal halide perovskites have received considerable attention in the field of electroluminescence,and the external quantum efficiency of perovskite lightemittin
【目的】甜菜夜蛾Spodoptera exigua是蔬菜等作物上的主要害虫,而蔬菜地常会遭到重金属的污染和侵蚀。本文系统探究了重金属铅对甜菜夜蛾多个世代生殖力的影响,为评价重金属
目的脑肿瘤是一种严重威胁人类健康的疾病。利用计算机辅助诊断进行脑肿瘤分割对于患者的预后和治疗具有重要的临床意义。3D卷积神经网络因具有空间特征提取充分、分割效果好等优点,广泛应用于脑肿瘤分割领域。但由于其存在显存占用量巨大、对硬件资源要求较高等问题,通常需要在网络结构中做出折衷,以牺牲精度或训练速度的方式来适应给定的内存预算。基于以上问题,提出一种轻量级分割算法。方法使用组卷积来代替常规卷积以显著
目的通过深度学习对乳腺癌早期的正确诊断能大幅提高患者生存率。现阶段大部分研究者仅采用B型超声图像作为实验数据,但是B型超声自身的局限性导致分类效果难以提升。针对该问题,提出了一种综合利用B型超声和超声造影视频来提高分类精度的网络模型。方法针对B型超声图像及造影视频双模态数据的特性设计了一个双分支模型架构。针对传统提取视频特征中仅使用单标签的不足,制定了病理多标签预训练。并设计了一种新的双线性协同机
目的精确的肺肿瘤分割对肺癌诊断、手术规划以及放疗具有重要意义。计算机断层扫描(computed tomography,CT)是肺癌诊疗中最重要的辅助手段,但阅片是一项依靠医生主观经验、劳动密集型的工作,容易造成诊断结果的不稳定,实现快速、稳定和准确的肺肿瘤自动分割方法是当前研究的热点。随着深度学习的发展,使用卷积神经网络进行肺肿瘤的自动分割成为了主流。本文针对3D U-Net准确度不足,容易出现假