彭程
- 作品数：9 被引量：3H指数：1
- 供职机构：三峡大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种残差ECA通道注意力UNet结合TRW-S的肺结节分割方法
- 一种残差ECA通道注意力UNet结合TRW‑S的肺结节分割方法，它包括以下步骤：步骤1：读取肺部CT影像，对影像进行预处理；步骤2：切割出肺结节图片并生成对应的掩膜；步骤3：对获取的肺结节图片及对应的掩膜进行数据集的划分...
- 夏平 张光一彭程雷帮军 唐庭龙徐光柱
- 一种基于拆分注意力的网络结合TRW-S算法的息肉分割方法
- 一种基于拆分注意力的网络结合TRW‑S算法的息肉分割方法，它包括以下步骤：步骤1：收集若干个息肉分割的数据集；步骤2：对数据集进行数据增强；步骤3：进行数据集的划分；步骤4：构建拆分注意力多尺度聚合网络；步骤5：将步骤3...
- 夏平 张光一彭程雷帮军 唐庭龙邹耀斌
- 文献传递
- 一种非煤矿山采空区位移沉降检测装置
- 一种非煤矿山采空区位移沉降检测装置，包括多个位移传感器，多个位移传感器连接下位机，下位机连接RS485总线，RS485总线连接第一串口以太网协议转换器，第一串口以太网协议转换器与上位机连接。本实用新型提供的一种非煤矿山采...
- 牟迪潘雪佼郭兴平彭程
- 密集级联卷积与自注意力特征聚合的视网膜血管分割算法
- 2024年
- 针对视网膜图像中细小血管分割困难以及血管分割过程中出现断裂的问题,构建了一种密集级联卷积与自注意力特征聚合的网络用于视网膜血管图像的分割。该网络采用多尺度密集卷积结合自注意力机制;为更好的提取视网膜细小血管复杂的特征信息,构建密集聚合模块作为U型网络的骨干网络;在网络底层嵌入自注意力摸块和多尺度聚合模块,以提升感受野和获取高维语义特征信息;在模型的跳跃连接部分采用特征聚合模块,提升模型的分割精度。实验结果表明,在DRIVE公开数据集上,该网络的F1-sore指标达到83.19%,准确率ACC指标达到97.11%,AUC值达到了98.94%;在CHASE-DB1和STARE数据集上,相比于Unet、DUNet、SA-Unet和FR-Unet等网络,该网络的AUC指标均达到了目前最好效果。采用该网络进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割及其泛化能力达到了优异的效果.
- 夏平何志豪雷帮军张海镔彭程王雨蝶
- 全尺度密集卷积U型网络的视网膜血管分割算法
- 2024年
- 针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks, CCF-DB)作为U型网络的编解码器用以提取视网膜血管的特征信息;在网络最底端嵌入混合注意力级联卷积密集块(mixed attention cascaded convolutional dense block, MACC-DB),进一步提升感受野,获取更高维的语义特征信息;在模型的解码部分采用全尺度的跳跃连接,捕获不同尺度下的血管特征信息,提升模型的分割精度。实验结果表明,在DRIVE数据集上,相比于U-Net、U-Net3+、SA-Unet、FR-Unet等算法,此算法的AUC值达到了98.26%,准确率为95.82%;在CHASE-DB1数据集上,此算法的AUC值达98.84%,准确率达96.66%。采用此算法进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割达到了优良的效果。
- 夏平何志豪雷帮军彭程王雨蝶
- 关键词：医学图像分割
- 一种曲线拟合对比度增强的道路裂缝检测方法
- 一种曲线拟合对比度增强的道路裂缝检测方法，它包括以下步骤：步骤1：以若干组道路裂缝图像的灰度均值参数为自变量，其对应的最优对比度增强参数<Image file="DEST_PATH_IMAGE002.GIF" he="2...
- 夏平冯海杰彭程张光一雷帮军
- 一种多尺度拆分注意力机制的皮肤病图像分割方法
- 一种多尺度拆分注意力机制的皮肤病图像分割方法，它包括以下步骤：步骤1：读取皮肤病图像数据集并进行划分和预处理；步骤2：构建多尺度拆分注意力机制网络；步骤3：将步骤1中的皮肤病图像中的训练集和验证集送入步骤2构建的网络中训...
- 夏平彭程张光一任强雷帮军
- 复Contourlet域TS-MRF模型的医学CT影像分割被引量：3
- 2022年
- 针对CT影像存在伪影、分割困难的问题,提出了复Contourlet域树结构马尔可夫随机场(tree-structured Markov random filed, TS-MRF)的医学CT图像分割算法。采用复Contourlet分析提取CT图像各尺度中的特征信息,特征信息的相关性以其对应标记的相关性表征;其次,相邻尺度间标记的相关性通过构建一阶Markov模型建立联系;尺度内通过构建TS-MRF模型,采用父节点标记对子节点标记的约束以及子节点邻域间标记的相关性描述尺度内节点标记的局部相关性;CT图像特征场通过在每一尺度内构建同标记的高斯模型表征;最后,图像分割的结果通过极大化特征场与标记场联合分布来实现。实验结果表明,相对于空域TS-MRF、小波域TS-MRF、空域马尔科夫随机场(Markov random filed, MRF)、复小波域MRF等4种算法,复域(ontourle, TS-MRF)算法反映分割区域一致性的概率Rand指数(probabilistic rand index, PRI)提高0.091 3以上;同区域分割误差指标全局一致性误差指数(global consistency error, GCE)降低了0.002 8以上;分割边缘连续性指标边界偏移误差指数(boundary displacement error, BDE)降低0.617 9以上;分割后信息丢失指标信息变化指数(variation of information, VoI)降低了0.889 6以上。因此,算法对医学CT图像分割具有较好的区域一致性、分割精度和鲁棒性。
- 夏平彭程施宇雷帮军
- 关键词：CT图像分割POTTS模型
- 一种基于Transformer和多级特征聚合的乳腺超声肿块分割方法
- 一种基于Transformer和多级特征聚合的乳腺超声肿块分割方法，包括以下步骤：步骤1：对乳腺超声图像的特征提取，输出4层特征图；步骤2：将输出的4层特征图输入解码部分的多层分支感受野模块RBF；步骤3：使用置换注意力...
- 夏平王雨蝶张光一彭程雷帮军何志豪李子怡
