Apr, 2023

医学影像不变散射变换

PDF
TL;DR本研究综述了应用不变散射变换（IST）在医学图像分析中的类型、应用、限制以及未来研究和实践的潜在范围，并考虑采用卷积神经网络进行小波变换计算以捕获输入信号的模式，以提高医学成像应用程序的性能，例如分割，分类和配准，可集成到机器学习算法中用于疾病检测，诊断和治疗规划，并进一步展示了将 IST 与深度学习方法相结合的潜力，以增强医学图像分析结局。
发现论文，激发创造
  • 医学图像不变散射变换

    研究发现，不变散射变换是一种有效的医学图像分析系统，可通过将信号信息分散到深度卷积网络中，通过波波变换技术来构建有用的图像分类信号表征。

    Jul, 2023

  • 不变散射卷积网络

    利用小波散射网络对静态过程进行表示，获得更高阶矩并可用于区分具有相同傅立叶功率谱的纹理，对于手写数字和纹理判别任务取得了最先进的分类结果。

    Mar, 2012

  • 图散射变换的稳定性

    本文介绍了在网络数据中使用多分辨率图形小波的散射变换，并证明了生成的散射变换对底层网络度量摄动的稳定性。这使得图形散射变换变得稳健，特别适用于转移学习、拓扑估计或时变图的情况。

    Jun, 2019

  • 时空图散射变换

    提出一种基于数学设计的空时图散射转换（ST-GST），将传统散射变换扩展到空时领域，通过使用空时图小波和非线性激活函数的迭代应用，对空时数据进行分析，不需要训练即可视为空时图卷积网络的正向传递，在限制的训练数据情况下表现出稳定性，实验表明其性能优于空时图卷积网络。

    Dec, 2020

  • 海洋内部孤立波定位的尺度平移等变网络

    内部孤立波是重力波，通常在海洋内部而非表面观测到。本研究提出基于测高仪的机器学习解决方案，自动定位内部孤立波，并通过深度学习和卷积神经网络等方法提高性能。

    Jun, 2024

  • 可学习的小波神经网络用于宇宙学推断

    应用可训练小波作为过滤器的可学习散射变换模型在宇宙学信息推断和消除星际物理效应方面表现优于传统卷积神经网络，特别在训练数据有限的情况下，且具有高度解释性。

    Jul, 2023

  • 学习迭代阈值算法的最优非线性函数

    本论文提出了一种使用神经网络和误差反向传播算法学习最优阈值函数的数据驱动迭代收缩阈值算法（ISTA），并在稀疏统计信号上进行模拟实验，证明了这种算法在估计质量上的潜在提升。

    Dec, 2015

  • 联合时频散射

    通过计算基于小波卷积和模量非线性的联合时频散射变换，作者提出了一种具有时间平移不变性的信号表示方法，并且通过应用于鸣号信号和音频综合实验，证明了其适用于时序分类问题，并且在音频分类任务中获得了与全连接网络可比的高准确率。

    Jul, 2018

  • 紧致黎曼流形上的几何小波散射网络

    本文介绍了一种基于仿射不变性和微分同胚稳定性的 Geometric Scattering Transform 方法，可以使卷积神经网络在流形和图结构领域中更具有普适性和稳定性。

    May, 2019

  • 图上扩散散射变换

    本文论述了通过扩展散射变换到非欧几里得域并使用扩散小波，可以在保持度量变化稳定性的同时，获取能够捕获类似于欧几里得散射的高频信息的稳定表征的研究。

    Jun, 2018