首页期刊导航|河北大学学报（自然科学版）
期刊信息/Journal information
河北大学学报（自然科学版）
河北大学学报（自然科学版）

孙汉文

双月刊

1000-1565

hbdxxbz@hbu.edu.cn

0312-5079413

071002

河北省保定市五四东路180号

河北大学学报（自然科学版）/Journal Journal of Hebei University(Natural Science Edition)CSCD北大核心CSTPCD
查看更多>>本刊是河北大学主办的自然科学综合性学术刊物，国内外公开发行。主要刊登数学、物理学、化学、生物学、电子及计算机科学等学科的基础研究和应用研究方面的学术论文。本刊为《美国化学文摘（CA）》、《中国数学文摘》、《中国物理文摘》、《中国科技论文引文数据库》、《中国科学引文数据库》等多家文摘及数据库来源期刊。
正式出版
收录年代

    基于改进YOLOv5s的肠镜息肉多分类实时检测方法

    薛林雁李轩昂齐晁仪曹杰...
    424-432页
    查看更多>>摘要：为了在肠镜检查过程中对结直肠息肉进行快速鉴别检测,提出一种基于改进YOLOv5s的肠镜息肉多分类实时检测模型.该模型采用ConvNeXt作为主干网络,融入SimAM注意力机制提升检测性能,同时在颈部网络中使用基于GSConv的slim-neck模块减少网络参数.为了对模型进行训练和测试,构建了包含1 676张息肉图像并由专业医生标注的结直肠息肉数据集.提出的模型在测试集上的平均精度均值(mAP@0.5)为83.0％,相较于改进前提升8.4％,检测速度达到120帧/s.此外,模型在边缘侧部署检测速度超过25帧/s.结果表明,改进的YOLOv5s满足临床结肠镜检查对实时性与准确性的要求.

    息肉腺瘤检测YOLOv5s实时性

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

    基于ResNet和UNet的胃癌病理图像诊断系统

    张文悦贾子彦李青张大川...
    433-440页
    查看更多>>摘要：考虑到人工对胃癌病理图像的判别和诊断可能存在漏检的问题,为使诊断更加准确,提出一种基于ResNet和UNet的病理图像诊断系统,旨在实现对病理图像的分类、分割以及输出诊断结果.采用ResNet模型对胃癌病理图像进行有癌和无癌的分类.对UNet模型进行改进,改进后的模型在每个下采样和上采样之前加入卷积注意力模块,以增强模型对癌变区域的关注.使用残差模块替代编码部分的2次卷积,来提高特征的利用率;利用Inception模块来替代解码部分上采样中的2个卷积,从而扩充其宽度并获取不同尺度的特征.将分类与分割结果综合考虑,获取最终的胃癌病理图像的诊断结果.实验结果表明,该系统可以有效地诊断胃癌病理图像中是否存在癌变.

    病理图像图像分类UNet图像分割胃癌诊断

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

    基于自反馈阈值学习的半监督皮肤癌诊断模型

    韩硕袁伟珵杜泽宇
    441-448页
    查看更多>>摘要：为解决监督学习皮肤癌诊断模型的训练需要大量数据标注,且医学专家标注工作成本高、耗时长、易疲劳等问题,提出了一种基于自反馈阈值学习(Self-Feedback Threshold Learning,SFTL)的半监督皮肤癌诊断方法.在标注数据预训练的ResNet网络基础上,引入全局和局部类别间伪标签自反馈阈值学习机制动态筛选ResNet预测概率大于自反馈阈值的无标记样本,引入无监督阈值学习损失和分类交叉熵损失进行模型训练,在标记样本稀缺的情况下深入挖掘无标记数据的鉴别诊断信息,显著降低模型在无标记皮肤病变图像中的误判率.选取公开数据集HAM10000的皮肤病变图像展开实验验证,在仅需50％标记数据下实现了 0.822 9的准确率和0.765 1的F1分数,证明所提出的SFTL模型在半监督场景下可有效解决皮肤癌诊断任务,相比其他同类方法具有更好的分类性能.

    半监督皮肤癌诊断自反馈阈值学习卷积神经网络半监督学习

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