本研究针对传统睡眠分期方法（如多导睡眠监测）依赖人工、耗时且难以规模化应用的问题，提出了一种结合残差块与挤压激励（SE）模块的一维U-Net改进模型（SE-Res-U-Net），用于单通道脑电信号（EEG）的自动睡眠分期。该模型在Sleep-EDF-20、Sleep-EDF-78和SHHS数据集 ...

计算机视觉是人工智能的一个领域，训练计算机解释和理解视觉世界。利用来自相机、视频和深度学习模型的数字图像，机器可以准确地识别和分类物体，然后对它们看到的东西做出反应。 在过去几年里，深度学习使得计算机视觉领域迅速发展。在这篇文章中 ...

本研究针对胶质瘤异质区域（水肿、坏死、活性瘤）的精准分割难题，通过整合U-Net架构与预训练骨干网络（ResNet/Inception/VGG ...

医学影像诊断就像医生的"透视眼"，能够帮助医生看清人体内部的病变情况。而在这个过程中，有一项关键技术叫做图像分割，它的作用就是从复杂的医学图像中精确地"圈出"病变区域，就像用彩笔在X光片上勾画出肿瘤的轮廓一样。这项技术的核心工具是一种名 ...

本文提出了一种新的医学图像分割框架UCTransNet，该模型中设计了一个CTrans模块，性能提升明显。整体性能优于Swin-UNet、TransUNet等网络。 最近的很多医疗语义分割方法都采用了带有编解码器结构的U-Net框架。但是U-Net采用简单的跳跃连接方案对于全局多尺度问题 ...