作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文章以MRI图像中异常信号区为出发点,结合全卷积网络模型训练方法展开分析.首先分析MRI图像以及图像分割,其次从全卷积网络模型训练方法的应用以及全连接层、反卷积层等方面展开剖析,目的在于解决异常信号区的问题,提高图像分析准确性.
推荐文章
基于全卷积DenseNet的前列腺MRI分割新方法
前列腺MRI分割
DenseNet
全卷积神经网络
Dice损失函数
基于卷积神经网络改进的图像自动分割方法
图像分割
卷积神经网络
多尺度特征融合
残差连接
三维重建
深度卷积神经网络在放射治疗计划图像分割中的应用
深度学习
卷积神经网络
医学影像分割
相似度系数
放射治疗
基于2.5D级联卷积神经网络的CT图像胰腺分割方法
卷积神经网络
胰腺分割
深度监督
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用于分割MRI图像中异常信号区的全卷积网络模型训练方法研究
来源期刊 电子元器件与信息技术 学科 工学
关键词 MRI 图像分割 全卷积网络模型 反卷积层
年,卷(期) 2019,(9) 所属期刊栏目 通信技术与人工智能
研究方向 页码范围 77-79
页数 3页 分类号 TP391.41
字数 2822字 语种 中文
DOI 10.19772/j.cnki.2096-4455.2019.9.026
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘青芳 13 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (124)
共引文献  (37)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(9)
  • 参考文献(0)
  • 二级参考文献(9)
2015(12)
  • 参考文献(1)
  • 二级参考文献(11)
2016(7)
  • 参考文献(0)
  • 二级参考文献(7)
2017(21)
  • 参考文献(0)
  • 二级参考文献(21)
2018(19)
  • 参考文献(3)
  • 二级参考文献(16)
2019(8)
  • 参考文献(8)
  • 二级参考文献(0)
2019(8)
  • 参考文献(8)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
MRI
图像分割
全卷积网络模型
反卷积层
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子元器件与信息技术
月刊
2096-4455
10-1509/TN
16开
北京市石景山区鲁谷路35号
2017
chi
出版文献量(篇)
2445
总下载数(次)
25
论文1v1指导