钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
基础科学期刊
\
大学学报期刊
\
吉林大学学报(理学版)期刊
\
用于肺结节检测和分类的两阶段深度学习方法
用于肺结节检测和分类的两阶段深度学习方法
作者:
王欣
薛潺涓
贾锋
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
肺结节
检测
分类
深度学习
摘要:
针对肺部CT数据具有空间信息的特点,提出一种基于深度学习的两阶段方法,即使用两个3D卷积网络有效学习结节特征,对C T图像中的肺结节进行检测和分类.该方法的检测器部分采用基于U-Net的编码器-解码器结构的3D语义分割模型,以预测结节的位置、大小和语义掩码;分类器部分采用3D双路径网络,用于特征的汇总和收缩,并给出分类结果.为充分利用原始数据中的特征信息,将检测器的结果应用于对原始数据进行采样和掩码操作,并通过空间金字塔池化层获得一致的输入尺度.在公开数据集上的实验结果表明,该深度学习方法对CT图像肺结节的检测和分类具有良好的性能.
暂无资源
收藏
引用
分享
推荐文章
应用于平扫CT图像肺结节检测的深度学习方法综述
深度学习
肺结节
卷积神经网络
数据库
应用于CT图像肺结节检测的深度学习方法综述
深度学习
CT图像
候选结节检测
卷积神经网络
基于深度迁移学习的肺结节辅助诊断方法
迁移学习
卷积神经网络
医学图像分类
计算机辅助诊断
肺结节诊断
基于深度学习的CT影像肺结节检测
深度学习
肺结节
深度U-Net网络
语义分割
全卷积网络(FCN)
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
用于肺结节检测和分类的两阶段深度学习方法
来源期刊
吉林大学学报(理学版)
学科
工学
关键词
肺结节
检测
分类
深度学习
年,卷(期)
2020,(2)
所属期刊栏目
计算机科学
研究方向
页码范围
329-336
页数
8页
分类号
TP391
字数
4588字
语种
中文
DOI
10.13413/j.cnki.jdxblxb.2019308
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
王欣
吉林大学计算机科学与技术学院
171
884
14.0
22.0
2
贾锋
吉林大学计算机科学与技术学院
1
0
0.0
0.0
3
薛潺涓
吉林大学计算机科学与技术学院
1
0
0.0
0.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(44)
共引文献
(18)
参考文献
(14)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
2004(2)
参考文献(1)
二级参考文献(1)
2007(3)
参考文献(1)
二级参考文献(2)
2010(1)
参考文献(0)
二级参考文献(1)
2011(1)
参考文献(0)
二级参考文献(1)
2012(3)
参考文献(0)
二级参考文献(3)
2013(2)
参考文献(0)
二级参考文献(2)
2014(4)
参考文献(0)
二级参考文献(4)
2015(8)
参考文献(2)
二级参考文献(6)
2016(12)
参考文献(1)
二级参考文献(11)
2017(6)
参考文献(2)
二级参考文献(4)
2018(11)
参考文献(2)
二级参考文献(9)
2019(5)
参考文献(5)
二级参考文献(0)
2020(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
研究主题发展历程
节点文献
肺结节
检测
分类
深度学习
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
吉林大学学报(理学版)
主办单位:
吉林大学
出版周期:
双月刊
ISSN:
1671-5489
CN:
22-1340/O
开本:
大16开
出版地:
长春市南湖大路5372号
邮发代号:
12-19
创刊时间:
1955
语种:
chi
出版文献量(篇)
4812
总下载数(次)
6
总被引数(次)
24333
期刊文献
相关文献
1.
应用于平扫CT图像肺结节检测的深度学习方法综述
2.
应用于CT图像肺结节检测的深度学习方法综述
3.
基于深度迁移学习的肺结节辅助诊断方法
4.
基于深度学习的CT影像肺结节检测
5.
深度学习方法对周围型肺癌和肺结核球的分类初探
6.
基于深度学习的人工智能在肺结节诊断领域的进展
7.
基于深度学习的肺结节诊断识别研究
8.
基于同步深度监督的多尺度肺结节分类
9.
基于深度学习的肺结节识别
10.
深度卷积神经网络胸片肺结节分类识别研究
11.
基于深度学习的肺结节自动检测算法
12.
基于深度学习的人工智能胸部CT肺结节检测效能评估
13.
基于增量学习的两阶段运动想象脑机接口算法
14.
基于Gabor小波和深度置信网络的肺结节良恶性分类研究
15.
基于深度学习的甲状腺结节自动识别方法在超声图像中的应用
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
力学
化学
地球物理学
地质学
基础科学综合
大学学报
天文学
天文学、地球科学
数学
气象学
海洋学
物理学
生物学
生物科学
自然地理学和测绘学
自然科学总论
自然科学理论与方法
资源科学
非线性科学与系统科学
吉林大学学报(理学版)2022
吉林大学学报(理学版)2021
吉林大学学报(理学版)2020
吉林大学学报(理学版)2019
吉林大学学报(理学版)2018
吉林大学学报(理学版)2017
吉林大学学报(理学版)2016
吉林大学学报(理学版)2015
吉林大学学报(理学版)2014
吉林大学学报(理学版)2013
吉林大学学报(理学版)2012
吉林大学学报(理学版)2011
吉林大学学报(理学版)2010
吉林大学学报(理学版)2009
吉林大学学报(理学版)2008
吉林大学学报(理学版)2007
吉林大学学报(理学版)2006
吉林大学学报(理学版)2005
吉林大学学报(理学版)2004
吉林大学学报(理学版)2003
吉林大学学报(理学版)2002
吉林大学学报(理学版)2001
吉林大学学报(理学版)2000
吉林大学学报(理学版)1999
吉林大学学报(理学版)2020年第6期
吉林大学学报(理学版)2020年第5期
吉林大学学报(理学版)2020年第4期
吉林大学学报(理学版)2020年第3期
吉林大学学报(理学版)2020年第2期
吉林大学学报(理学版)2020年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号