期刊简介
本刊是全国生物医学工程工作人才沟通学术思想、交流学术经验的园地。报道有创造性的最新科研论文和研究简讯。包括学科有：人工器官和生物医用材料，生物效应，生物信息与控制；生物力学；生物医学仪器；中医工程；临床工程等。读者对象是国内外生物医学工程学工作者、医务工作者以及其他从事自然科学研究和有关工程技术人员。
往期目录
-
1994
-
1998
-
1999
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
首页>中国生物医学工程学报杂志
- 杂志名称：中国生物医学工程学报杂志
- 主管单位：中国科学技术协会
- 主办单位：中国生物医学工程学会
- 国际刊号：0258-8021
- 国内刊号：11-2057/R
- 出版周期：双月刊
期刊荣誉：中国期刊全文数据库(CJFD)期刊收录：医学文摘, 万方收录(中), 统计源核心期刊(中国科技论文核心期刊), CSCD 中国科学引文数据库来源期刊(含扩展版), 文摘与引文数据库, 国家图书馆馆藏, 维普收录(中), 上海图书馆馆藏, SA 科学文摘(英), JST 日本科学技术振兴机构数据库(日), CA 化学文摘(美), 北大核心期刊(中国人文社会科学核心期刊), 知网收录(中)
基于Fisher向量和混合描述符的胎盘成熟度分级
姜峰；倪东；陈思平；姚远；汪天富；雷柏英
关键词：胎盘成熟度分级, 超声图像, 深度卷积网络, 混合描述符, Fisher向量
摘要：胎盘成熟度分级(PMG)对于评估胎儿生长和孕妇健康来说至关重要.目前,PMG主要依赖于临床医生的主观判断,不仅十分耗时,而且由于工作的重复性和冗余性,常会产生误判.传统机器学习中使用的手工特征提取方法,不能很好解决PMG的分级问题,因此提出从B超图像和彩色多普勒能量图像中提取深度混合描述符进行胎盘成熟度自动分级的方法.从深度卷积神经网络中提取卷积特征,并将其与手工特征结合形成混合描述符来提高模型性能.首先,将多个特征层的不同模型进行融合,从图像中获取混合描述符.同时,考虑到深度表达特征,使用迁移学习策略来增强分级性能.然后,用Fisher向量(FV)对提取的描述符进行编码.后,使用支持向量机(SVM)分类器对胎盘成熟度进行分级.用医生标注好的数据进行测试,在基于19层网络的混合特征模型获得高达94.15％的精确度,比单一使用手工特征模型提升3.01％,比CNN特征模型提升7.35％.实验结果证明,所提方法能够有效应用于胎盘成熟度自动分级.
友情链接