基于一致性正则化的半监督医学图像分割研究.pdf
文本预览下载声明
目录
第一章绪论······································································1
1.1研究背景与意义······················
显示全部
文档详情
相似文档
-
基于图一致性和半监督模型的标签含噪图像分类方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114881125 A
(43)申请公布日 2022.08.09
(21)申请号 202210433807.9 G06V 10/774 (2022.01)
-
基于多模态融合一致性的半监督时序分类研究.docx
基于多模态融合一致性的半监督时序分类研究
一、引言
随着人工智能和多媒体技术的不断发展，多模态数据融合在时序分类任务中扮演着越来越重要的角色。多模态数据融合能够综合利用不同模态的信息，提高时序分类的准确性和鲁棒性。然而，由于多模态数据的异构性和复杂性，如何有效地融合多模态信息成为了一个具有挑战性的问题。本文提出了一种基于多模态融合一致性的半监督时序分类方法，旨在解决这一问题。
二、相关工作
在时序分类任务中，多模态数据融合已经成为一个重要的研究方向。目前，大多数研究工作主要集中在如何有效地提取和利用不同模态的信息。然而，在半监督学习方面，如何利用未标记数据提高时序分类的准确性仍是一个待解决的问
-
基于一致性约束的半监督学习算法研究.docx
基于一致性约束的半监督学习算法研究
一、引言
随着大数据时代的到来，机器学习和人工智能技术得到了广泛的应用。在机器学习的众多领域中，半监督学习因其能够利用未标记数据的特点，成为了研究的热点。基于一致性约束的半监督学习算法是其中的一种重要方法，它通过约束模型在未标记数据上的输出一致性，提高模型的泛化能力和准确性。本文将针对基于一致性约束的半监督学习算法展开研究。
二、半监督学习概述
半监督学习是一种介于监督学习和无监督学习之间的学习方法。它利用少量的有标签数据和大量的未标签数据，通过一定的策略来利用未标签数据的信息，从而提高模型的性能。半监督学习在许多领域都有广泛的应用，如自然语言处理、图像分类
-
基于一致性约束的半监督学习算法研究.docx
基于一致性约束的半监督学习算法研究
一、引言
随着大数据时代的到来，机器学习和人工智能技术得到了广泛的应用。在机器学习的众多领域中，半监督学习因其能够利用未标记数据的特点，成为了研究的热点。基于一致性约束的半监督学习算法是其中的一种重要方法，它通过约束模型在未标记数据上的输出一致性，以提高模型的泛化能力和准确性。本文将介绍基于一致性约束的半监督学习算法的研究背景、意义及主要内容。
二、研究背景与意义
半监督学习是一种结合了有标签数据和未标签数据的机器学习方法。在许多实际应用中，有标签数据的获取往往需要付出巨大的代价，而未标签数据则相对容易获取。因此，如何有效地利用未标签数据，提高模型的性能，成
-
基于密集一致性约束的半监督遥感目标检测研究.docx
基于密集一致性约束的半监督遥感目标检测研究
一、引言
遥感技术作为获取地球表面信息的重要手段，其在军事、农业、城市规划等领域的应用日益广泛。其中，遥感目标检测作为遥感技术的重要应用之一，对于提高信息提取的准确性和效率具有重要意义。然而，由于遥感图像的复杂性和多样性，传统的目标检测方法往往难以满足实际需求。近年来，随着深度学习技术的发展，基于深度学习的半监督遥感目标检测方法成为了研究热点。本文提出了一种基于密集一致性约束的半监督遥感目标检测方法，以提高遥感目标检测的准确性和效率。
二、相关工作
在遥感目标检测领域，已经有许多研究者提出了各种方法。其中，基于深度学习的方法因其优秀的性能而备受关注。
-
一种基于生成对抗网络的半监督医学图像分割方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112837338 B
(45)授权公告日 2022.06.21
(21)申请号 202110045408.0 G06N 3/04 (2006.01)
-
一种基于半监督与Transformers的医学图像分割方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114882047 A
(43)申请公布日 2022.08.09
(21)申请号 202210411699.5
(22)申请日 2022.04.19
(71)申请人 厦门大学
地址 361000 福
-
一种基于无监督学习的医学图像肝脏分割方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113362310 A
(43)申请公布日 2021.09.07
(21)申请号 202110643707.4
(22)申请日 2021.06.09
(71)申请人 西安智诊智能科技有限公司
-
基于Transformer的U型医学图像分割研究.pdf
摘要
传统卷积神经网络存在注意力有限，对于长距离像素信息交互难以有效捕捉的
问题。Transformer结构以其独特的注意力机制，可以善于远距离信息的把握，却带
来了参数量大，计算开销大的劣势。为了进一步满足医学图像分割领域对于更高精
度的需求，同时注重计算代价的控制，本文关注于Transformer结构嵌入到U型分割
网络方法的研究，主要包含以下研究内容：
1）针对已有的U型结构，由于卷积的感受野较小，不能很好地学习全局和长程
信息，导致分割结果不理想。更进一步，为了提升ViT(VisionTransformer)的分割性
能，提出一种基于自注意力门控机制的U型Transformer医学分割
-
基于DeepLabv3+的医学图像分割算法研究.pdf
摘要
医学影像分割可以为医疗人员提供病理信息，辅助医生的诊断和治疗计划。
随着深度学习特别是卷积神经网络的发展，医学影像分割技术实现了显著进步。
深度学习模型通过端到端学习从数据中自动提取有效特征，使其在医学影像分割
任务上超越了传统方法。
尽管基于深度学习的全卷积神经网络在医学影像分割领域有着广泛的前景，
但它们面临分割质量不稳定和忽略患者基因组及基础数据的问题，这可能影响诊
断和治疗准确性。本研究提出了一种改进的模型，采用DeepLabv3+架构和
RegNet图像编码器，并引
-
基于对比学习的心脏MRI图像半监督分割算法研究.pdf
摘要
随着神经网络对医学辅助的不断突破和创新，越来越多的神经网络模型被应用在不同的
心脏MRI图像分割场景，在拥有大量带标签训练数据集的情况下，神经网络模型对心脏MRI
图像分割识别的精准度越来越高，然而，在医学图像处理领域，无论是图像数据还是标注都
是有限的。本文研究了基于对比学习的半监督心脏MRI图像左室分割算法，并结合数据集本
身特点，提出了若干技术方法以优化模型，论文的主要工作和创新点如下：
（1）提出了一种基于对比学习的医学图像半监督卷积神经网络分割方法。针对医学图像
数据集样本量有限、心脏左心室MRI图像数据集的分割精度需要提高的问题，研究了对比学
习在医学图像语义分割上的应用，针
-
《基于半监督框架的超声图像分割方法实验研究》15000字.docx
PAGE2
基于半监督框架的超声图像分割方法实验研究
摘要：甲状腺超声图像中结节的精确分割对后续的良恶性分类具有重要的意义。基于监督学习的分割方法虽然可以有效地从结节和背景中提取特征，但是由于标注的成本比较高昂，难以获得足够的训练数据，并且临床医学中积累了大量无标注的数据，该方法不适应这种场景。
为此，本文提出了一种名为TUS-GAN的半监督框架，用于甲状腺超声图像检查中甲状腺结节的分割，该框架使用生成对抗网络的思想，仅利用少量标注数据，生成可靠的分割结果。在判别器中，设计了一个双注意力融合块，更好地提取出病变区域和背景的代表性特征，从而更有效地确定由生成器预测的分割图的质量。此外，通
-
基于伪标签的卫星图像半监督语义分割方法研究.pdf
摘要
卫星图像语义分割是图像分割领域中的一项重要任务。随着卫星技术的发展，
人们可获取的卫星图像数目越来越多，这为进行相关领域的研究提供了充足的数
据支持。同时随着深度学习技术的发展，一些基于深度学习的语义分割模型相继
提出，并在特定的场景取得了显著的成果。然而在卫星图像语义分割任务中，存
在着标签数量不足的问题。且获取足量的标签，需要足够的专业知识，同时也会
消耗大量的时间和精力，因此现在的卫星图像数据集出现数据标签匮乏或者卫星
图像数据集标签数据齐全但数据集偏小的现象。这一现象导致现在的研究人员需
要耗费大量时间对获得的数据集进行标注。
针对这一现象,本文使用深度学习中的半监督学习方法，对
-
基于弱监督的海上船舶图像语义分割算法研究.pdf
基于弱监督的海上船舶图像语义分割算法研究
摘要
二十大提出发展海洋经济，强化海洋安全保障体系建设，加快建设海洋强国。智
能化作为海洋船舶发展的主要方向，近些年来飞速蓬勃发展。智能船舶要实现航行环
境信息的空间分析和航行态势的数字化重构，往往离不开对于海上船舶目标的精准分
割。但目前基于海上船舶图像的语义分割方法大多基于像素级标签，其标注成本高昂，
需要耗费大量人力、物力，不利于实船应用。本文聚焦于使用获取成本最低同时含有
信息最少的图像级标注，对海上船舶图像的弱监督语义分割，并对分割过程中出现的
问题提出改进方案，主要工作如下：
首先，自行构建了海上船舶图像弱监督语义分割数据集。该数据集包含了
-
基于双阈值筛选与特征相似一致性的半监督学习方法研究.docx
基于双阈值筛选与特征相似一致性的半监督学习方法研究
一、引言
随着大数据时代的到来，数据的处理和分析变得日益重要。半监督学习作为一种结合了监督学习和无监督学习的方法，在处理大规模数据时具有显著的优势。本文将重点研究一种基于双阈值筛选与特征相似一致性的半监督学习方法，旨在提高模型的准确性和效率。
二、研究背景
半监督学习是机器学习领域中的一个重要分支，它利用少量带标签的数据和大量无标签的数据进行训练。然而，由于数据中存在噪声和冗余信息，如何有效地筛选和利用这些数据成为一个重要的问题。因此，本文提出了一种基于双阈值筛选与特征相似一致性的半监督学习方法。
三、方法论
1.双阈值筛选
双阈值筛选是一种