首页期刊导航|光电子·激光
期刊信息/Journal information
光电子·激光
光电子·激光

巴恩旭

月刊

1005-0086

baenxu@public.tpt.tj.cn；　baenxu@263.net

022-23679707

300191

天津市南开区红旗南路263号

光电子·激光/Journal Journal of Optoelectronics·LaserCSCD北大核心CSTPCDEI
查看更多>>本刊为专业技术性刊物。报道光电子、激光技术领域的研究成果，内容包括新型光电子器件、装置和材料、光电控制和检测、光存贮和光电信息处理、通讯和光纤应用技术光电集成技术、光计算和光学神经网络、激光加工和激光应用、光电生物医学等方面。
正式出版
收录年代

    基于MLP神经网络的圆锥角膜辅助诊断

    刘艳刘凤连吴剑武李康生...
    1201-1206页
    查看更多>>摘要：圆锥角膜在病变过程中会导致角膜中央部位向前凸出,使角膜呈现出圆锥形,而且会导致高度不规则近视和散光,对视力造成不同程度损害.疾病一般发生于青少年时期,为了能及时治疗避免病变严重,筛查区分圆锥角膜具有十分重要的意义.而且临床上对于圆锥角膜诊断通常是采用角膜地形图的方法,可以得到角膜形态学的改变,但是有一定的误诊率.目前研究发现,角膜力学特性改变先于形态学,所以本文从角膜生物力学角度出发,提出一种基于多层感知机(multi-layer perceptron,MLP)神经网络区分圆锥角膜的模型.首先,利用可视化生物力学分析仪(corneal visualization scheimpflug technology,Corvis-ST)测得角 膜的生物力学视频,进行处理计算得到角膜生物力学参数作为数据集,其中包含正常角膜和圆锥角膜2种类别;然后,针对角膜生物力学参数数据集构建MLP神经网络模型,将70％数据集作为训练集,30％数据集作为测试集.在数据集上训练及测试的结果表明,该模型区分圆锥角膜的准确率为97.6％.

    圆锥角膜生物力学特性可视化生物力学分析仪(Corvis-ST)多层感知机(MLP)

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    用于视网膜血管分割的半监督深度学习框架

    吕佳刘耀文
    1207-1214页
    查看更多>>摘要：针对目前视网膜血管分割任务中伪标签质量参差不齐,获得高质量的伪标签需要经过筛选的问题,本文提出了一种新的用于视网膜血管分割的半监督深度学习框架.该框架采用分而治之的思想来处理数据,针对有标签数据,采用传统的深度学习方法;针对无标签数据,采用Mean teacher模型,通过对比同一输入的不同形态输出,让模型学习无标签数据之间的共同特征,避免了采用伪标签技术带来的筛选过程.本文将U型网络(u-neural networks,U-Net)、Dense-Net和Ladder-Net 3个基准网络放入该框架,在DRIVE和CHASEDB1数据集上进行训练测试,均取得了较好的分割效果,表明本文框架具有提高网络区分不同阈值像素的能力.

    视网膜血管分割半监督学习U型网络(U-Net)Meanteacher模型伪标签

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    融合多层级特征的脑肿瘤图像分割方法

    孙劲光陈倩
    1215-1224页
    查看更多>>摘要：针对脑肿瘤图像分割中网络模型信息损耗、上下文信息联系不足及网络泛化能力较差导致分割精度较低的问题,提出了一种新型的脑肿瘤图像分割方法,该方法是通过深度门控卷积模块(depth gate convolution,DGC)和特征增强模块(feature enhancement module,FEM)组成的多层级连接(multi-level connection,MC)脑肿瘤分割模型.采用深度卷积模块降低特征信息在逐层传递的信息损耗;使用控制门单元(control gate unit,CGU)实现各个尺度的特征图的MC,其中组合池化来减少下采样过程中的信息丢失;通过FEM增强分割区域的特征权重.实验结果表明,预测分割脑肿瘤的整体肿瘤区(whole tumor,WT)、核心肿瘤区(tumor core,TC)和增强肿瘤区(en-hancement tumor,ET)的 Dice 系数分别达到了 0.92、0.84 和 0.83,Hausdorff 距离达到了 0.77、1.50和0.92,脑肿瘤分割精度相较于当前较多方法分割精度和计算效率较高,具有良好的分割性能.

    脑肿瘤分割门控机制多层级连接(MC)组合池化U-Net

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法

    张亚加邱啟蒙高智强邵建龙...
    1225-1232页
    查看更多>>摘要：为解决单一模态脑部图像存在的局限性,进一步突出细节特征,增强视觉效果,提出一个基于多尺度边缘保持分解和改进稀疏表示(improved sparse representation,ISR)的算法框架.首先,分解源图像获得高频子带和低频子带.其次,采用多范数加权度量改进的稀疏表示融合低频子带,以多尺度形态学梯度(multiscale morphological gradient,MSMG)改进的引导滤波器去除细节特征;同时,经简化的脉冲耦合神经网络(simplified pulseoupled neural network,SPCNN)融合其高频子带.最后,逆变换得到融合后的脑部图像.实验证明,本文在边缘信息的保护,融合效率的提高,时间成本的节约等方面优势显著.

    简化脉冲耦合神经网络(SPCNN)改进稀疏表示(ISR)多尺度边缘保持分解多尺度形态学梯度(MSMG)多范数加权度量

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    投稿须知

    封4页
      原文链接:
    • NETL
    • NSTL
    • 万方数据