Mar, 2024

基于深度学习的猪形态分类，重点关注卫生监测

PDF
TL;DR评估使用 D-CNN 算法对猪体条件进行分类的研究，主要关注卫生监测中观察到的特征，包括尾部咬食、耳血肿、身体擦伤、发红和自然污渍（棕色或黑色）。研究结果表明，D-CNN 对与皮肤特征相关的猪体形态偏差具有有效分类能力，并通过分析 Precision、Recall、F-score、ANOVA 和 Scott-Knott 测试等性能指标进行评估。该研究的贡献在于提出了在猪类形态学分类中使用 D-CNN 网络的方法，并创建了一个新的图像数据库，可用于未来研究。
d-cnnpig body conditionssanitary monitoringmorphological classificationimage database
发现论文，激发创造
  • 基于形态和外观卷积神经网络的子宫颈细胞细粒度分类

    本研究提出了一种基于 CNN 的方法，通过结合细胞图像外观和形态学信息对 Pap 样本中的宫颈细胞进行分类，在 Herlev 宫颈数据集上验证了此方法的分类精度高于传统的手工特征分类方法，可用于宫颈病变的早期诊断。

    Oct, 2018

  • 猪体全景实例分割

    通过计算机视觉技术中基于深度学习的实例分割方法来对猪进行像素级别的精准分割，从而获取更多的信息，例如大小或重量；该方法在包括遮挡和脏镜头在内的各种干扰下，以约 95％的检测率（F1 得分）在 1000 张手动标记的图像数据集上进行了测试。

    May, 2020

  • 使用卷积神经网络、Transformers 和循环神经网络进行猪攻击分类

    动物行为分析和检测技术的发展是畜牧业的关键活动之一，可以监测应激和动物福利，并对农场决策有所贡献。本研究利用计算机视觉和人工智能中的不同技术对猪的视频进行分类，通过使用变体转换器以及卷积技术，重点研究了抗气性和非抗气性行为的识别。TimerSformer 技术在视频分类中表现最佳，中位数准确度达到 0.729。

    Mar, 2024

  • Deepwound：通过卷积神经网络自动进行术后创口评估和手术部位监测

    本研究旨在通过利用卷积神经网络完成外科手术创面分类的任务，并提出了一种多标签 CNN 集成算法 Deepwound，该算法能够通过图像像素和相应标签，准确地识别手术创面的九种状态，包括引流、纤维性渗出物、肉芽组织、手术部位感染、裸露伤口、钉子、医用绷带和缝线等。同时，本研究还展示了一种基于智能手机的移动应用前端 Deepwound，可以方便地跟踪患者的创面和手术恢复。

    Jul, 2018

  • 使用多标签深度神经网络实现皮肤病分类与皮肤病变表征的鲁棒诊断

    本文研究了实现强健的皮肤病诊断的实用方法，并提出一种以皮损为病变类型标签的自动化诊断系统作为目标的方法，并应用卷积神经网络（CNNs）来实现疾病定向诊断和病变定向分类的分类器，并采用来自六个公开皮肤病学大全的 75665 个皮肤病图像来进行训练与测试，结果证明基于病变定向分类的分类器的效果优于疾病定向的分类器。

    Dec, 2018

  • 基于深度卷积神经网络的医疗图像的解剖分类

    本研究提供了一种使用卷积神经网络（ConvNets）进行 CT 医学图像的器官或身体部位特异性解剖分类的方法，并演示了深度学习可用于训练非常可靠和准确的分类器，可进一步初始化计算机辅助诊断。

    Apr, 2015

  • 使用深度卷积神经网络对乳腺 X 线摄影异常进行检测

    针对乳腺癌的计算机辅助检测方法，通过对乳腺 X 线照片图像的卷积神经网络 (CNN) 自动建模和分类，实现对钙化和肿块的分类和定位，以降低放射科医师的成本和工作量。

    Mar, 2018

  • 深度卷积神经网络用于乳腺癌组织学图像分析

    本研究基于深度卷积神经网络开发了计算方法，用于乳腺癌组织病理图像分类，包括四类和两类（用于检测癌变）分类任务，在高灵敏度操作点上，我们报告了 93.8% 的准确性，97.3% 的 AUC 和 96.5/88.0% 的敏感性 / 特异性，超过了其他常见的自动组织病理学图像分类方法。

    Feb, 2018

  • 卷积神经网络对癌症细胞病理学图像的分类：以乳腺癌为例

    该研究介绍了使用卷积神经网络（CNN）对病理图像进行快速分类的方法，旨在提高乳腺病理图像检测的效率。研究采用了 Inceptionv3 架构和迁移学习算法提取病理图像特征，并引入图像分割概念处理高分辨率图像。通过三种算法：求和、乘积和最大值，聚合每个图像块的分类概率，实验证明该方法有效地提高了乳腺癌病理图像分类的准确性。

    Apr, 2024

  • 上下文感知卷积神经网络用于结直肠癌组织学图像分级

    本文介绍了一种基于上下文感知的神经网络，可以用于对数字组织病理学图像进行更高分辨率的分析，并在结肠癌分级和乳腺癌分类方面获得了比传统方法更好的结果。

    Jul, 2019