注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. CT图像-肺结节检测

  2. 该论文一幻灯片形式详细介绍了肺结节检测与表示的详细过程，并附有相关结果图像

  3. 所属分类：专业指导

    • 发布日期：2009-05-25
    • 文件大小：5mb
    • 提供者：laoyacong

  1. 肺结节计算机辅助检测方法研究

  2. 该文件是关于基于计算机的肺结节计算机辅助方法检测，希望对大家有所帮助。

  3. 所属分类：Windows Server

    • 发布日期：2011-04-17
    • 文件大小：1mb
    • 提供者：xcc1402646417

  1. PyTorch 1.1（NoduleNet：用于肺结节检测和分割的去耦假阳性还原）.rar

  2. Python> = 3.6（Python 2.7也可以使用），cude> = 9.0和PyTorch 1.1

  3. 所属分类：医疗

    • 发布日期：2021-03-24
    • 文件大小：14mb
    • 提供者：weixin_43414344

  1. SJ-WL:这是用于肺结节分割的SJ-WL模型和U-net进行比较的代码库-源码

  2. 用于端到端肺结节检测和分割的SJ-WL模型 这是用于肺结节检测和分割的SJ-WL模型的资料库。 检测模块使用具有GIoU损失的Faster RCNN进行结节候选检测。 输入：原始CT图像（H，W）输出：结节候选者（H，W）的CT图像 train.py用于开始训练和验证。 请参阅： ： 使用WGAN-GP的分割模块，用于结节区域的生成和优化。 输入：体积由相同结节的连续图像组成（通道，深度，水平，垂直）输出：肺结节图像的体积（通道，深度，水平，垂直） Train.py用于开始训练和验证所提出

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：146kb
    • 提供者：weixin_42098759

  1. 医学影像中的肺结节检测：一项调查

  2. 医学影像中的肺结节检测：一项调查

  3. 所属分类：其它

  1. [新闻中]使用三通道样本的肺结节假阳性减少

  2. 我们提出了一种使用平均厚度不同的三通道样本对肺结节进行假阳性减少的新方法。 一个三通道样本包含一个以候选点为中心的色块以及该候选点上方和下方的第k个切片的两个色块。 三通道样本包含丰富的肺结节空间背景信息，并且可以在较低的计算和存储要求下进行训练。 卷积神经网络（CNN）被构建和优化为我们研究中的候选特征提取器和分类器。 提出了一种融合方法，用于融合每个候选的多个预测结果。 我们的方法报告说，在LUNA16 Challenge进行的888 CT扫描中，每次扫描4次和8次假阳性时，灵敏度分别为84

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：395kb
    • 提供者：weixin_38601103

  1. 基于三维形状指数的肺结节自动检测方法

  2. 基于三维形状指数的肺结节自动检测方法

  3. 所属分类：其它

  1. 通过IoU自归一化和Maxout单元使用3D ConvNet检测肺结节

  2. 通过IoU自归一化和Maxout单元使用3D ConvNet检测肺结节

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：956kb
    • 提供者：weixin_38622777

  1. 基于血管增强分割的三维肺结节自动检测

  2. 在肺结节检测过程中,与肺结节灰度相似的复杂肺部血管结构是干扰肺结节准确检测的一个重要因素。针对这一问题,首先利用基于Hessian矩阵特征值的Frangi多尺度滤波器将大小、形态各异的肺血管结构增强,然后采用模糊C-均值聚类方法将血管分割出来,最后通过去除肺血管,间接得到肺结节图像。实验结果表明,该方法能有效降低血管对肺结节检测的影响,提高肺结节的检测精度。

  3. 所属分类：其它

  1. 一种新策略的肺结节检测算法

  2. 一种新策略的肺结节检测算法

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：560kb
    • 提供者：weixin_38577378

  1. 基于深度卷积特征的改进极限学习机的肺结节检测

  2. 这项工作实现了一种基于具有深度卷积特征的改进的极限学习机（ELM）的方法，可以自动检测肺结节。 卷积神经网络（CNN）用于提取肺结节的特征进行分类。 然后，通过将标准化和投票选择相结合，将ELM用于检测肺结节。 与传统方法相比，表明本方法具有较高的性能，可作为肺结节计算机辅助诊断的有效工具。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：147kb
    • 提供者：weixin_38695471

  1. 基于局部灰度最大和改进Mahalanobis距离分类的肺结节检测算法

  2. 基于局部灰度最大和改进Mahalanobis距离分类的肺结节检测算法

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：609kb
    • 提供者：weixin_38678521

  1. 基于Hessian矩阵及梯度熵的疑似肺结节检测算法

  2. 基于Hessian矩阵及梯度熵的疑似肺结节检测算法

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：896kb
    • 提供者：weixin_38736562

  1. 基于混合分类的肺结节检测算法

  2. 基于混合分类的肺结节检测算法

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：260kb
    • 提供者：weixin_38748875

  1. 基于多投影图像配准的肺结节检测算法

  2. 针对多投影图像的特点，提出一种利用同一病人多投影图像中相近位置的候选结节互信息的配准算法，由此来减少检测结果中假阳性结节的数目。通过对多投影图像中候选结节的初始检测与精确分割、特征提取与分类，完成候选结节的检测。此时，在敏感性为65%条件下，平均每张图像检测到的假阳性结节数目为11.3。再使用互信息对检测到的候选结节进行配准，并利用配准信息进一步去掉假阳性结节，平均每张图像检测到假阳性结节的数目降为1. 9。即使实验数据大部分为小结节，且图像噪声大，对比度低，此检测结果仍然令人满意。因此，提出的

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：399kb
    • 提供者：weixin_38551376

  1. 基于格式塔理论多体位协同的肺结节检测算法

  2. 基于格式塔理论多体位协同的肺结节检测算法

  3. 所属分类：其它

  1. 基于改进全卷积网络模型的肺结节检测

  2. 针对现有方法在肺结节检测中准确率低及存在过拟合现象的问题,提出一种基于改进YOLACT模型的肺结节检测方法。在模型的主体结构上,采用DetNet替代原始的残差网络,解决了原始模型在小型结节检测上的局限性。在模型训练上,针对原模型在少量肺结节数据上学习困难而引起的过拟合问题,引入迁移学习机制,帮助新模型得到更好的检测结果。使用RReLU激活函数代替原有的ReLU激活函数,减少了原模型可能存在的过拟合现象。在LUNA16数据集上的实验结果表明,所提方法在受试者工作曲线下面积、假阳率、漏诊率及准确率上

  3. 所属分类：其它

  1. 基于自适应体窗结构分析的肺结节检测方法

  2. 基于三维Hessian矩阵的肺结节检测方法具有很高的敏感性,却很难避免血管交叉区域产生假阳性。本文提出了一种基于自适应体窗结构分析的方法,首先利用体素的Hessian矩阵特征值设计结构系数分析其灰度分布特征;然后根据结构系数构建三维自适应体窗分析组织的局部结构特征;最后使用判别函数检测出结节。通过对17套真实肺部CT图像序列进行实验,结果表明本方法可以检测出不同大小和类型的30个结节,并有效减少了血管交叉区域产生的假阳性。结合自适应体窗的Hessian矩阵检测方法可以提高检测效率,减轻医生工作量

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：994kb
    • 提供者：weixin_38672731

  1. Luna16：为Luna16数据集上的肺结节检测任务开发一个文档齐全的存储库。 这项工作的灵感来自于DSB2017排名第一的团队“ grt123”的想法-源码

  2. LUNA16对象检测 为Luna16数据集上的肺结节检测任务开发一个记录良好的存储库。 这项工作的灵感来自于“ ”。 肺癌是世界上最常见的癌症。 每年死于肺癌的人数多于乳腺癌，结肠直肠癌和前列腺癌的总和。 肺结节检测是检测肺癌的重要过程。 提供健壮模型的工作很多，但是，目前还没有确切的解决方案。 （以下简称DSB）是全球首屈一指的社会公益竞争数据科学，创建于2014年，由Booz Allen Hamilton和Kaggle提出。 数据科学碗汇聚了各行各业的数据科学家，技术专家和领域专家，以应

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1014kb
    • 提供者：weixin_42110070

  1. 二维和三维卷积神经网络相结合的CT图像肺结节检测方法

  2. 针对现有方法在大量肺部数据中存在的检测肺结节效率不高及大量假阳性的问题，提出了一种基于端到端的二维全卷积对象定位网络(2D FCN)与三维立体式目标分类卷积神经网络(3D CNN)相结合的肺结节检测方法。首先采用2D全卷积神经网络对所有CT图像进行初步检测，快速识别和定位CT图像中的疑似结节区域，输出一张与原图尺寸相同且被标记好的图像。然后计算疑似结节区域的坐标，根据坐标值提取疑似结节的三维立体图像块训练构建的3D卷积神经网络框架。最后利用训练的3D模型对候选结节做二分类处理以去除假阳性。在LI

  3. 所属分类：其它

« 12 »