期刊专题

10.3969/j.issn.1003-9775.2016.08.011

基于 SAE 深度特征学习的数字人脑切片图像分割

引用
针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法。在特征提取阶段,采用从粗到精两级方式对 SAE 进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶段,使用 softmax 分类器进行目标分割。对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明,相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征), SAE 提取的图像深度特征具有更强的鉴别能力,显著地提高了分割精度。

中国可视化人体数据集、脑组织分割、稀疏自编码器、深度特征、softmax 分类器

28

TP391.41(计算技术、计算机技术)

国家自然科学基金60903142,61190122;中国博士后基金特别资助2013T60841;中央高校基本业务费项目106112015CDJXY120003

2016-08-26(万方平台首次上网日期,不代表论文的发表时间)

共9页

1297-1305

暂无封面信息
查看本期封面目录

计算机辅助设计与图形学学报

1003-9775

11-2925/TP

28

2016,28(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn