杨丰
- 作品数：71 被引量：258H指数：9
- 供职机构：南方医科大学生物技术学院更多>>
- 发文基金：国家自然科学基金广东省科技计划工业攻关项目国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信文化科学更多>>
- 医学图像处理演示平台的实现被引量：2
- 2005年
- 分析和探讨了建立医学图像处理演示平台需要解决的几个基本技术,比如图像处理的基础类的建设、文档与视图的管理、分步骤演示的实现等。在VC++6.0平台上,建立了一个演示平台,并给出了在此平台上演示算法处理的例子。
- 涂圣贤杨丰
- 关键词：图像处理
- 基于方向特征的手掌静脉分类索引构建方法
- 本发明公开了一种基于方向特征的手掌静脉分类索引构建方法，它采用Gaussian_iRadon（G-iR）变换提取掌脉图像的方向特征矩阵，得到图像主方向，以此图像主方向构建分类索引，本发明提供的一种基于方向特征的手掌静脉分...
- 刘娅琴周宇佳黄靖杨丰
- 文献传递
- 一种改进局部二元拟合的灰度非均匀图像分割
- 2010年
- 针对局部二元拟合(local binary fitting,LBF)能量模型对活动轮廓曲线初始位置较为敏感的缺点,本文提出一种改进局部二元拟合的灰度非均匀图像分割模型。首先把水平集函数初始化为一个常数,然后在迭代过程中引入一个扰动项,从而引导目标区域的水平集函数值发生符号变化。实验结果表明,上述模型能够有效地应用于灰度非均匀图像的分割。与LBF模型相比,本文模型无需人工选择活动轮廓曲线的初始位置,且避免了由于初始位置选择不当造成的分割错误。
- 田飞杨丰
- 关键词：图像分割LBF模型水平集
- 基于图像融合的去掌纹手掌静脉图像增强方法被引量：9
- 2016年
- 针对手掌静脉识别系统中预处理算法不能够很好地解决掌纹造成静脉网络"断裂",导致识别性能降低的问题,通过对手掌静脉图像的观察和分析,提出8个方向滤波器提取掌纹;并将掌纹提取图像与原掌脉图像加权融合,消除了掌纹对手掌静脉图像的干扰,使静脉网络更加连贯,增大了静脉与背景的对比度。实验结果表明,与目前已有的手掌静脉增强方法相比,去掌纹增强方法提高了图像质量,进而提高了手掌静脉识别系统的识别精度。
- 袁玲黄靖刘娅琴杨丰
- 关键词：图像增强图像融合
- 基于空频结合的图像增强的脑肿瘤分割被引量：4
- 2012年
- 针对脑部核磁共振图像中含有噪音、对比度低及肿瘤边界不连续模糊等造成肿瘤难以准确分割的问题,提出了一种基于空频域图像增强的脑肿瘤分割算法.首先,采用空频域相结合的增强方法对图像进行增强处理.该方法利用基于邻域的方法,结合了空间域增强算法与基于方向滤波器组的频率域增强算法,具有它们优点的同时,克服了前者导致的图像细节模糊的缺陷及后者带来的对比度降低的缺陷.然后,利用液体向量流的分割方法,对增强后的图像进行分割,得到脑肿瘤区域.实验结果表明,本文的增强方法在增强肿瘤边界特征的同时改善了图像的对比度和清晰度,提高了脑肿瘤分割的准确性.
- 黄靖杨丰
- 关键词：磁共振图像图像增强图像分割
- 生成对抗网络的血管内超声图像超分辨率重建被引量：6
- 2019年
- 针对超声图像分辨率低导致视觉效果差的问题,本文以超分辨率重建为基础,结合生成对抗网络的方法,生成相对原图更加清晰的血管内超声图像,用于辅助医生诊断与治疗。本方法应用生成对抗网络,生成器生成图像,判别器判断图像真伪。其过程:低分辨率图像经过亚像素卷积层r2个特征通道,产生尺寸大小相同的r2个特征图,对每个特征图中相对应的同一像素重新排列成一个r×r的子块,其对应高分辨率图像中的某一个子块,经过放大,产生r2倍的高分辨率图像。生成对抗网络经过不断优化,获得更优质清晰的图像。将本方法(SRGAN)得出的结果与双立方插值(Bicubic)、超分辨率卷积网络(SRCNN)和亚像素卷积网络(ESPCN)等方法比较,其峰值信噪比(PSNR)和结构相似性(SSIM)分别提高2.369dB和1.79%。因此,我们得知:结合生成对抗网络的图像超分辨率重建能获得很好的血管内超声图像诊断视觉效果。
- 吴洋洋杨丰黄靖刘娅琴
- 关键词：血管内超声超分辨率重建
- 结合连续小波变换与生成对抗网络的癫痫发作预测
- 2023年
- 目前半监督深度学习模型已成功用于脑电信号(EEG)的癫痫发作预测,但该模型在EEG预处理方式与半监督模型稳定性等方面还有提升空间。本研究提出一种结合连续小波变换(CWT)与基于梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)的改进方法(CWT-WGAN-GP)。首先对未标记的EEG信号进行CWT获得时频图,并结合特定患者的EEG数据集训练WGAN-GP模型,生成高性能的特征提取器;其次,以经过训练的WGAN-GP的判别器为特征提取器、两个全连接网络层为分类器(预测器),用少量有标记的EEG信号CWT时频图完成分类模型训练;最后,WGAN-GP的判别器与稳定的全连接网络组成半监督深度学习预测模型,用于癫痫发作预测。用CHBMIT头皮脑电数据集中所筛选的13例患者数据,评估改进的半监督癫痫发作预测模型,并与现有半监督方法相比。该方法在灵敏度、特异性、准确率和AUC指标上分别达到82.69%,67.48%,82.08%和84.03%,将原有的性能指标分别提升14.48%,34.45%,7.87%和11.4%;CWT-WGAN-GP的预测性能与现有方法的差异具有统计学意义(P<0.05)。CWT与WGAN-GP模型相结合能有效地改善半监督深度学习模型预测性能,在癫痫发作预测中发挥无监督特征提取的优化作用。
- 廖家慧杨丰詹长安张利云
- 关键词：连续小波变换
- 基于侧链连接卷积神经网络的手掌静脉图像识别被引量：2
- 2020年
- 针对手掌静脉图像数量少且质量参差不齐,进而导致掌脉识别系统的性能降低的现象,提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先,在ResNet模型的基础上,用卷积层和池化层提取掌脉特征。然后,采用指数线性单元(ELU)激活函数、批归一化(BN)和Dropout技术来改进和优化模型,以缓解梯度消失、防止过拟合、加快收敛及增强模型泛化能力。最后,引入稠密连接网络(DenseNet),使提取到的手掌静脉特征更具丰富性和有效性。在两个公开库和一个自建库上分别进行实验,结果表明所提方法在三个数据库上的识别率分别为99.98%、97.95%、97.96%。可见该方法能有效提高掌脉识别系统的性能,且更适用于掌脉识别的实际应用。
- 娄梦莹王天景刘娅琴杨丰黄靖
- 关键词：手掌静脉识别DROPOUT
- 基于自适应加权混合核函数的3D脑肿瘤分割被引量：2
- 2015年
- 针对目前支持向量机(SVM)中混合核函数的不足,提出一种自适应加权混合核函数。该核函数能自适应调节新映射空间样本点的距离,改变序列最小优化(SMO)过程中的修正因子,以削弱惩罚因子的影响,改变拉格朗日乘子的取值,优化支持向量的选取,进而获得更优的分类界面,提高SVM的分类能力,并首次提出将混合核函数SVM应用于脑肿瘤分割。实验结果表明,该方法能更高效准确地分割脑肿瘤。
- 罗蔓黄靖杨丰王晓春
- 关键词：混合核函数序列最小优化修正因子
- 癫痫发作长时程监测方法、装置和存储介质
- 本申请公开了癫痫发作长时程监测方法、装置和存储介质，选用单一脑电通道和四种脑电特征。本申请对患者预先测量的所有通道的脑电信号进行滤波和分段预处理，使用功率谱密度函数(PSD)参数化技术进行特征提取，非周期分量用偏移和指数...
- 詹长安杨丰廖家慧
