陆惠玲
- 作品数：79 被引量：414H指数：9
- 供职机构：宁夏医科大学更多>>
- 发文基金：国家自然科学基金宁夏回族自治区自然科学基金宁夏高等学校科研基金更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信机械工程更多>>
- 基于多分辨率变换和压缩感知的PET/CT融合方法被引量：5
- 2016年
- 针对移动医疗背景下医学图像融合信息交互的局限性问题,提出一种基于多分辨率变换NSCT和压缩感知理论的肺癌PET/CT图像融合算法。第一步,对源图像进行单层NSCT分解;第二步,通过分析PET和CT不同的成像机制和显像信息,对分解后具有较差稀疏性且主要集中源图像大部分能量的低频子带,采取高斯隶属度函数加权的融合规则,对主要呈现源图像细节信息的高频子带使用高斯随机矩阵进行压缩测量,选择基于平均梯度和区域能量的方法法对高频测量值进行融合;第三步,采取正交匹配追踪算法重构融合后的高频测量值;第四步,对低频融合图像和重构后的高频融合图像进行NSCT逆变换得到最终的融合图像;最后,对该算法进行了两方面的仿真实验:与其他压缩感知图像融合方法的比较以及与其他多分辨率图像融合方法的比较,实验结果表明,该算法是有效可行的。
- 王惠群周涛陆惠玲夏勇王文文
- 关键词：NSCT压缩感知PET/CT图像融合
- 一种基于嵌套多尺度变换的时空融合模型
- 本发明提供了一种基于嵌套多尺度变换的时空融合模型，包括：获取CT和PET影像；对CT和PET影像均进行LATLRR和NSCT嵌套分解：经LATLRR分解得到的低秩部分和显著部分，对低秩部分进行NSCT分解，得到高频子带和...
- 陆惠玲周涛刘珊王晓峰支力佳白静
- DRT Net:面向特征增强的双残差Res-Transformer肺炎识别模型
- 2024年
- 针对肺部X射线图像的病灶区域较小、形状复杂,与正常组织间的边界模糊,使得肺炎图像中的病灶特征提取不充分的问题,提出了一个面向特征增强的双残差Res-Transformer肺炎识别模型,设计3种不同的特征增强策略对模型特征提取能力进行增强。设计了组注意力双残差模块(GADRM),采用双残差结构进行高效的特征融合,将双残差结构与通道混洗、通道注意力、空间注意力结合,增强模型对于病灶区域特征的提取能力;在网络的高层采用全局局部特征提取模块(GLFEM),结合CNN和Transformer的优势使网络充分提取图像的全局和局部特征,获得高层语义信息的全局特征,进一步增强网络的语义特征提取能力;设计了跨层双注意力特征融合模块(CDAFFM),融合浅层网络的空间信息以及深层网络的通道信息,对网络提取到的跨层特征进行增强。为了验证本文模型的有效性,分别在COVID-19 CHEST X-RAY数据集上进行消融实验和对比实验。实验结果表明,本文所提出网络的准确率、精确率、召回率,F1值和AUC值分别为98.41%,94.42%,94.20%,94.26%和99.65%。DRT Net能够帮助放射科医生使用胸部X光片对肺炎进行诊断,具有重要的临床作用。
- 周涛彭彩月杜玉虎党培刘凤珍陆惠玲
- 关键词：X射线图像
- 基于聚类和支持向量机的胃癌患者住院费用建模（英文）被引量：5
- 2017年
- 针对胃癌患者住院费用分类标签设定的复杂性以及传统费用建模算法的局限性,本文提出了一种基于聚类和支持向量机的住院费用建模算法,为胃癌患者住院费用的控制和预测提供方法基础.搜集整理宁夏某三甲医院2009–2011年间1583例胃癌患者为样本,采用K-means对总住院费用逐年聚类得到分类标签,最后通过支持向量机对住院费用进行建模预测以及影响因素分析,用分类准确率作为预测效果的评价指标.实验结果表明胃癌患者住院费用呈逐年增加趋势,其中以西药费为主,占总费用的53.74%.通过K-Means以年份对费用聚类比单纯以费用分布特征聚类的分类准确率提高了13.13%,当核函数选用高斯核函数,且惩罚因子C=10和核参数γ=1时建立的支持向量机模型最稳定,分类准确率为92.11%.实验结果表明根据年份聚类得到类别标签更合理,结合聚类的SVM来预测住院费用更有效.
- 周涛陆惠玲王文文王惠群
- 关键词：胃癌住院费用支持向量机聚类
- 一种基于注意力机制的并行U-Net网络的肺部图像分割方法
- 本发明公开了一种基于注意力机制的并行U‑Net网络的肺部图像分割方法，包括以下步骤：构建并行的U‑NetA网络和U‑NetB网络，其中，U‑NetA网络为双编路径‑单解路径结构，U‑NetB网络为单编码路径‑单解码路径；...
- 陆惠玲周涛王晓峰支力佳张少敏
- 两模态PET/CT图像融合研究进展被引量：9
- 2015年
- 1 PET/CT图像融合概述
CT图像是建立在X线成像基础上,人体各组织吸收X线的程度不一样,因此其骨骼图像清晰,分辨率高可以准确地检测到病灶的大小和位置,但却很难显示病灶本身的信息。
- 魏兴瑜陆惠玲周涛
- 关键词：医学图像图像融合PET/CT
- 基于空间分布的CT肺结节分割方法
- 本发明涉及一种基于空间分布的CT肺结节分割方法。该方法包括以下步骤：（1）利用肺部CT影像数据提取出肺实质区域；（2）根据肺结节空间分布不同分成三种不同类型的肺结节：孤立性肺结节、血管粘附性肺结节、胸膜粘附性肺结节；（3...
- 周涛陆惠玲张俊杰
- 文献传递
- 医学影像疾病诊断的残差神经网络优化算法研究进展被引量：6
- 2020年
- 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)、随机化ReLU(randomized leaky ReLU,RReLU)、ELU(exponential linear units)、Softplus函数、NoisySoftplus函数以及Maxout共9种;损失函数主要有交叉熵损失、均方损失、欧氏距离损失、对比损失、合页损失、Softmax-Loss、L-Softmax Loss、A-Softmax Loss、L2 Softmax Loss、Cosine Loss、Center Loss和焦点损失共12种;学习率衰减总结了8种,即分段常数衰减、多项式衰减、指数衰减、反时限衰减、自然指数衰减、余弦衰减、线性余弦衰减和噪声线性余弦衰减;归一化算法有批量归一化和提出批量重归一化算法;正则化方法主要有增加输入数据、数据增强、早停法、L1正则化、L2正则化、Dropout和Dropout Connect共7种。综述了残差网络模型在医学图像疾病诊断中的应用研究,梳理了残差神经网络在肺部肿瘤、皮肤疾病、乳腺癌、大脑疾病、糖尿病和血液病等6种疾病诊断中的应用研究;对深度学习在医学图像未来发展进行了总结和展望。
- 周涛霍兵强陆惠玲师宏斌
- 关键词：优化算法医学图像疾病诊断
- 基于LL-GG-LG Net的CT和PET医学图像融合
- 2023年
- 多模态医学图像融合在医学临床应用中起着至关重要的作用,为了解决现有方法大多数侧重于局部特征的提取,对全局依赖关系的探索不足,忽略了全局和局部信息交互,导致难以有效解决周围组织与病灶区域之间的模式复杂性和强度相似性问题。该文提出面向PET和CT医学图像融合的LL-GG-LG Net模型。首先,提出了局部-局部融合模块(Local-Local Fusion Module,LL Module),该模块采用双层注意力机制更好地关注局部细节信息特征;其次,设计了全局-全局融合模块(Global-Global Fusion Module,GG Module),该模块通过在Swin Transformer中加入残差连接机制将局部信息引入全局信息中,提高了Transformer对局部信息的关注程度;然后,提出一种基于可微分神经架构搜索自适应的密集融合网络的局部-全局融合模块(Local-Global Fusion Module,LG Module),充分捕获全局关系并保留局部线索,有效解决背景和病灶区域相似度高问题;使用临床多模态肺部医学图像数据集验证模型的有效性,实验结果表明,该文方法在平均梯度,边缘强度,QAB/F,空间频率,标准差,信息熵等感知图像融合质量评价指标上与其他七种方法中最优的方法相比,分别平均提高了21.5%,11%,4%,13%,9%,3%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。
- 周涛张祥祥陆惠玲李琦程倩茹
- 关键词：医学图像融合
- ResNet及其在医学图像处理领域的应用:研究进展与挑战被引量：26
- 2022年
- 残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域。该文对残差神经网络从以下几个方面进行综述:首先,阐述残差神经网络的基本原理和模型结构;然后,从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制;其次,从与DenseNet,U-Net,Inception结构和注意力机制结合4方面探讨残差神经网络在医学图像处理领域中的广泛应用;最后,讨论ResNet在医学图像处理领域中面临的主要挑战,并对未来的发展方向进行展望。该文系统梳理了残差神经网络的最新研究进展,以及在医学图像处理中的应用,对残差神经网络的研究具有重要的参考价值。
- 周涛刘赟璨陆惠玲叶鑫宇常晓玉
- 关键词：医学图像激活函数
