刘阳
- 作品数：17 被引量：15H指数：2
- 供职机构：中北大学更多>>
- 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文化科学矿业工程更多>>
- 一种用于胶质瘤SPECT-MRI图像融合的网络模型及方法
- 本发明属于医学图像融合技术领域，公开了一种用于胶质瘤SPECT‑MRI图像融合的网络模型及方法。所述网络模型简称为DEFSD，通过分解专属特征和显著性掩膜来促进图像融合。具体为：先将RGB空间的源SPECT图像转换为YC...
- 王丽芳米嘉刘阳张炯杜纪肖刘世杰
- 基于多CNN组合和模糊神经网络的多模态医学图像融合
- 本发明属于医学图像融合领域，具体涉及基于多CNN组合和模糊神经网络的多模态医学图像融合。为了将多模态医学图像中病灶部位的纹理细节表征更充分，边缘更清晰，本发明提出的方法主要有两部分组成：1)构建G‑CNN组(G‑CNNs...
- 王丽芳张晋王蕊芳张炯米嘉刘阳
- 文献传递
- 局部全局特征耦合与交叉尺度注意的医学图像融合被引量：2
- 2023年
- 现有基于深度学习的多模态医学图像融合方法存在全局特征表示能力不足的问题。对此,提出一种基于局部全局特征耦合与交叉尺度注意的医学图像融合方法。该方法由编码器、融合规则和解码器三部分组成。编码器中采用并行的卷积神经网络(CNN)和Transformer双分支网络分别提取图像的局部特征与全局表示。在不同尺度下,通过特征耦合模块将CNN分支的局部特征嵌入Transformer分支的全局特征表示中,最大程度地结合互补特征,同时引入交叉尺度注意模块实现对多尺度特征表示的有效利用。编码器提取待融合原始图像的局部、全局以及多尺度特征表示,根据融合规则融合不同源图像的特征表示后再输入到解码器中生成融合图像。实验结果表明,与CBF、PAPCNN、IFCNN、DenseFuse和U2Fusion方法相比,该方法在特征互信息、空间频率、边缘信息传递因子、结构相似度、感知图像融合质量这5个评价指标上分别平均提高6.29%、3.58%、29.01%、5.34%、5.77%,融合图像保留了更清晰的纹理细节和更高的对比度,便于疾病的诊断与治疗。
- 张炯王丽芳蔺素珍秦品乐米嘉刘阳
- 关键词：医学图像融合
- 水热体系下非贵双金属催化剂Ni-Ag/SBA-15催化苯酚加氢的研究
- 由于化石燃料的不断消耗，将生物质转化为生物燃料已经引起了广泛的关注。通过热解液化处理，可从生物质中获得包括酚类油、呋喃等有机酸在内的生物燃料。生物燃料虽然具有较高的能量密度，但其热值低、化学热稳定性差等特性限制了其作为运...
- 刘阳
- 关键词：加氢工艺催化活性
- 文献传递
- 一种Ni-Ag/SBA-15负载型双金属催化剂及其制备方法和应用
- 本发明公开一种Ni‑Ag/SBA‑15负载型双金属催化剂及其制备方法和在水相苯酚选择加氢制环己醇中的应用。本发明将分子筛和聚乙烯吡咯烷酮溶于水中搅拌，随后加入AgNO<Sub>3</Sub>溶液，用氨水调节pH；停止搅拌...
- 卢静刘阳侯彬赵俊岭关清卿
- 文献传递
- 阳泉矿区瓦斯涌出量预测方法的研究
- 在经济迅速发展的时代，能源要求不断提高，煤矿企业的生产规模随之日益加大。必然会使煤矿行业中的安全问题变得逐年严重，尤其是矿井内瓦斯的安全影响会越来严重。例如山西省，从21世纪以来有350多人死亡于瓦斯事故，形成直接经济损...
- 刘阳
- 关键词：瓦斯涌出量
- 文献传递
- 生物质炭固定化融合菌株F14去除芘
- 多环芳烃是一种广泛存在的环境污染物,对环境和人体产生巨大的危害[1].根据苯环数量的不同,多环芳烃可以分为低环芳烃和高环芳烃,高环芳烃比低环芳烃具有更持久性[2].生物修复由于经济环保而被研究最多,但该技术存在生物可利用...
- 卢静张松纪婷婷刘阳
- 基于知识蒸馏与可解释的多模态医学图像融合模型及方法
- 本申请属于医学图像融合技术领域，公开了一种基于知识蒸馏与可解释的多模态医学图像融合模型及方法。基于知识蒸馏与可解释的多模态医学图像融合模型，包括一个生成器G和两个鉴别器Dc和Dm，生成器负责生成融合图像，鉴别器用来判别真...
- 王丽芳米嘉刘阳张炯刘势杰杜纪肖
- 基于多CNN组合和模糊神经网络的多模态医学图像融合
- 本发明属于医学图像融合领域，具体涉及基于多CNN组合和模糊神经网络的多模态医学图像融合。为了将多模态医学图像中病灶部位的纹理细节表征更充分，边缘更清晰，本发明提出的方法主要有两部分组成：1)构建G‑CNN组(G‑CNNs...
- 王丽芳张晋王蕊芳张炯米嘉刘阳
- 文献传递
- 改进U-Net3+与跨模态注意力块的医学图像融合被引量：1
- 2022年
- 目的针对目前多模态医学图像融合方法深层特征提取能力不足,部分模态特征被忽略的问题,提出了基于U-Net3+与跨模态注意力块的双鉴别器生成对抗网络医学图像融合算法(U-Net3+and cross-modal attention block dual-discriminator generative adversal network,UC-DDGAN)。方法结合U-Net3+可用很少的参数提取深层特征、跨模态注意力块可提取两模态特征的特点,构建UC-DDGAN网络框架。UC-DDGAN包含一个生成器和两个鉴别器,生成器包括特征提取和特征融合。特征提取部分将跨模态注意力块嵌入到U-Net3+下采样提取图像深层特征的路径上,提取跨模态特征与提取深层特征交替进行,得到各层复合特征图,将其进行通道叠加、降维后上采样,输出包含两模态全尺度深层特征的特征图。特征融合部分通过将特征图在通道上进行拼接得到融合图像。双鉴别器分别对不同分布的源图像进行针对性鉴别。损失函数引入梯度损失,将其与像素损失加权优化生成器。结果将UC-DDGAN与5种经典的图像融合方法在美国哈佛医学院公开的脑部疾病图像数据集上进行实验对比,其融合图像在空间频率(spatial frequency,SF)、结构相似性(structural similarity,SSIM)、边缘信息传递因子(degree of edge information,Q^(AB/F))、相关系数(correlation coefficient,CC)和差异相关性(the sum of the correlations of differences,SCD)等指标上均有提高,SF较DDcGAN(dual discriminator generation adversative network)提高了5.87%,SSIM较FusionGAN(fusion generative adversarial network)提高了8%,Q^(AB/F)较FusionGAN提高了12.66%,CC较DDcGAN提高了14.47%,SCD较DDcGAN提高了14.48%。结论UC-DDGAN生成的融合图像具有丰富深层特征和两模态关键特征,其主观视觉效果和客观评价指标均优于对比方法,为临床诊断提供了帮助。
- 王丽芳米嘉秦品乐蔺素珍高媛刘阳
