《生物医学工程学杂志》论文发表
《生物医学工程学杂志》是由四川省科学技术协会主管，四川大学华西医院、四川省生物医学工程学会主办的国家级医学专业学术期刊，其内容涵盖生物工程、医学工程、人工器官、生物材料、生物力学、计算机在生物医学中应用等方面的最新科研成果和科技动态。主要栏目有述评、专家论坛、论著、新技术与新方法、综述等。读者对象适合多学科科研、教学、生产及科技管理人员，相关专业研究生、本科生，生物医学工程学爱好者。
发文量：5958被引量：21295 H指数：45 影响因子：0.292600005865097立即指数：0.0296被引半衰期：5引用半衰期：4.9664期刊他引率：0.9192平均引文率：13.2862
主管单位：四川省科学技术协会 主办单位：四川大学华西医院;四川省生物医学工程学会 国内刊号：51-1258/R 国际刊号：1001-5515 邮发代号：62-65 发行周期：双月刊
数据库收录
北大核心期刊（2004版）
北大核心期刊（2008版）
北大核心期刊（2011版）
北大核心期刊（2014版）
化学文摘（网络版）
剑桥科学文摘
ProQuest 数据库
工程索引
哥白尼索引
日本科学技术振兴机构数据库
生物医学检索系统
文摘与引文数据库
中国科技核心期刊
获奖情况
2008年获评中国科学技术信息研究所“首届中国精品科技期刊”，系国家科技基础条件平台建设项目（编号：2005DKA43504）
2014年又获评“第三届中国精品科技期刊”，同时入选“2013年百种中国杰出学术期刊”。
目录
论著
基于迁移学习的小样本重症疾病预后模型 (1)夏静;潘素;颜默磊;蔡国龙;严静;宁钢民
基于深度学习和组织形态分析的肺癌基因突变预测 (10)王荃;沈勤;张泽林;蔡程飞;鲁浩达;周晓军;徐军
基于动态优化算法的复杂生物网络的状态调控 (19)揭豪;袁美晨;朱国柱;洪伟荣
一种基于海马位置细胞选择机制的空间认知模型 (27)于乃功;廖诣深;郑相国
基于动态偏定向相干的运动想象因效性网络分析 (38)李亚兵;谢松云;于圳宁;谢辛舟;段绪;刘畅
认知负载状态下的精神分裂症患者脑电图特异性研究 (45)杜欣;李嘉慧;熊冬生;潘智林;吴逢春;宁玉萍;陈军;吴凯
音乐神经反馈改善大学生阈下抑郁状态研究 (54)李昕;丁欣悦;崔薇;宋鑫旺;史春燕;李向东
基于时空解析建模的脉搏信号量化分析方法研究 (61)丑永新;张爱华;刘继承;林家骏;黄旭峰
基于归一化最小均方差联合集合经验模态分解的运动状态下心率提取算法研究 (71)耿读艳;赵杰;王晨旭;董嘉冀;宁琦;王琰
一种基于频谱约束的多频动态电阻抗断层成像算法 (80)曹璐;杨滨;李昊庭;刘学超;刘本源;徐灿华;刘锐岗;付峰
大鼠牙槽骨理想模型的流固耦合数值模拟研究 (87)罗睿;赵振达;冷慧杰;霍波
微振动环境调控小鼠骨髓间充质干细胞的早期力学适应性及成骨分化 (96)吴金结;吴月皓;陈雪宁;智伟
三氧化二砷对肝癌细胞HepG2迁移、侵袭和凋亡的影响 (105)何佳;许博闻;高文博;苏冠月;余泓池;沈阳;刘肖珩
基于三维打印的磷酸三钙骨组织工程支架烧结工艺研究 (112)满星云;索海瑞;刘家利;徐铭恩;王玲
新技术与新方法
随行监护系统在运动状态下的心肺生理参数测量准确性研究 (119)徐浩然;褚文雅;刘晓莉;张莎莎;杨志诚;郑捷文;高晓嶙;张政波;曹德森
腕功能康复机器人按需辅助控制策略研究 (129)王嘉津;左国坤;张佳楫;施长城;宋涛;郭帅
基于三维U-NET深度卷积神经网络的头颈部危及器官的自动勾画 (136)戴相昆;王小深;杜乐辉;马娜;徐寿平;蔡博宁;王树鑫;王忠国;曲宝林
基于密集连接卷积神经网络的下壁心肌梗死检测 (142)熊鹏;薛彦平;刘明;杜海曼;王洪瑞;刘秀玲
基于指尖视频图像的自适应脉搏信号提取算法研究 (150)余江军;周亮;刘朝晖;李治国;单秋莎
基于人工智能的正位DR胸片质控体系研究与应用 (158)王继元;李真林;蒲立新;张凯;刘秀民;周滨
综述
基于脑卒中后运动康复领域的运动想象的研究
范文
基于三维U-NET深度卷积神经网络的头颈部危及器官的自动勾画
《生物医学工程学杂志》2020年 第1期 | 戴相昆 王小深 杜乐辉 马娜 徐寿平 蔡博宁 王树鑫 王忠国 曲宝林 解放军总医院第一医学中心放射治疗科 北京100853
导出参考文献 购物车 | ★ 收藏 | 分享
论文服务：论文检测 论文选题
摘 要：勾画危及器官是放射治疗中的重要环节。目前人工勾画的方式依赖于医生的知识和经验,非常耗时且难以保证勾画准确性、一致性和重复性。为此,本研究提出一种深度卷积神经网络,用于头颈部危及器官的自动和精确勾画。研究回顾了496例鼻咽癌患者数据,随机选择376例用于训练集,60例用于验证集,60例作为测试集。使用三维(3D)U-NET深度卷积神经网络结构,结合Dice Loss和Generalized Dice Loss两种损失函数训练头颈部危及器官自动勾画深度卷积神经网络模型,评估参数为Dice相似性系数和Jaccard距离。19种危及器官Dice相似性指数平均达到0.91,Jaccard距离平均值为0.15。研究结果显示基于3D U-NET深度卷积神经网络结合Dice损失函数可以较好地应用于头颈部危及器官的自动勾画。
【分 类】 【医药、卫生】 > 肿瘤学
【关键词】 深度学习 卷积神经网络 自动分割 危及器官
【出 处】 《生物医学工程学杂志》2020年 第1期 136-141页 共6页
【收 录】 中文科技期刊数据库