-
公开(公告)号：CN114202545A
公开(公告)日：2022-03-18
申请号：CN202010875513.2
申请日：2020-08-27
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于UNet++的低级别胶质瘤图像分割方法，属于医学图像处理领域。本发明分割方法的步骤包括：首先使用低级别胶质瘤MRI图像和标记好的分割掩膜构建网络的训练集，然后根据构建的训练集对UNet++卷积神经网络进行训练，最后用训练好的UNet++卷积神经网络对实际肿瘤数据进行分割。该方法通过使用密集跳跃连接来融合深层特征和浅层特征，网络分割结果准确率高，抗噪性好，并且缩短了训练时间。与基于U‑Net的分割模型进行对比，在低级别胶质瘤MRI图像分割问题上的相似度效果有了很大的提升。能够辅助医师快速，精确地识别肿瘤病灶组织并给出诊断建议。
-
公开(公告)号：CN112418255A
公开(公告)日：2021-02-26
申请号：CN201910773582.X
申请日：2019-08-21
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了基于一维卷积生成式对抗网络的无监督异常检测方案，基于生成的GZ我们定义了一个损失函数，用于将新数据映射到潜在空间，本发明是目前的铁路物理系统中可以采集到大量的道岔数据，这些数据可用于监控系统的行为以检测基于一维卷积生成式对抗网络的无监督异常检测方案的各种异常情况。在本文中，我们在生成式对抗网络基础上提出一种用于检测道岔异常的无监督框架，然后利用产生的异常分数检测异常。结果显示一维卷积与生成式网络的结合，在道岔检测问题上表现出优于其他基线方法的性能。此实时检测系统能在第一时间发现道岔的故障，在保证铁路的安全的方面具有重要的现实意义和社会意义。
-
Search Results
2
records
(took 0.031 seconds)
