【摘 要】
:
膝关节分割是医学图像中的一个关键任务,对于有效控制临床治疗进展、减轻未来的残疾、早期诊断至关重要,制定后续个性化诊疗、干预计划,需要精准地将膝关节软骨分割出来。由于不同膝关节组织之间体积、形态差异较大,甚至不同病人之间由于疾病进度不一致,导致膝关节相同组织,其形态差异也很大,这对深度学习模型的鲁棒性提出了极高的要求。目前在医学图像分割中的分割模型,主流神经网络是FCN、U-Net、V-Net网络以
论文部分内容阅读
膝关节分割是医学图像中的一个关键任务,对于有效控制临床治疗进展、减轻未来的残疾、早期诊断至关重要,制定后续个性化诊疗、干预计划,需要精准地将膝关节软骨分割出来。由于不同膝关节组织之间体积、形态差异较大,甚至不同病人之间由于疾病进度不一致,导致膝关节相同组织,其形态差异也很大,这对深度学习模型的鲁棒性提出了极高的要求。目前在医学图像分割中的分割模型,主流神经网络是FCN、U-Net、V-Net网络以及他们的各种变体网络,这些分割网络以单网络为基础。级联网络是一种提高网络性能有效的方式,级联网络第一个网络对目标进行粗分割,获取先验信息指导第二个网络进行精细化分割。本文以Unet网络为基础,使用SKI-10膝关节数据集和PD膝关节数据集进行实验,进行了以下几点工作和研究:(1)设计了一种针对膝关节图像分割的多尺度特征融合模块,多尺度特征融合模块由不同尺寸的卷积核和残差结构组成,可以增强对于本文任务中网络对于小目标如膝关节软骨的分割能力。多尺度特征融合模块中的大卷积核在捕捉远程信息时更有优势,残差连接可以促进被池化丢弃的信息在网络中的流动,缓解反向传播时梯度消失的问题。在分割网络中加入多尺度特征融合模块之后,分割网络可以学习到不同尺度的特征信息,可以充分提高网络的分割能力。(2)设计了两阶段级联分割网络,其中第一个网络是以U-Net网络为基础进行剪枝得到的轻量级分割网络,该轻量级分割网络对目标进行粗分割,根据得到的粗分割结果对原始图像进行处理,得到第二个网络的输入;第二个网络是加入了多尺度特征融合模块的精细分割网络,在加入了第一个网络学习到的先验信息之后,相比于单网络无先验信息,级联分割网可以得到效果更好的分割结果。此外,本文将膝关节软骨边界作为单独一类进行分割的方法,增加了网络对膝关节软骨边界的注意力;在网络训练阶段,在图像输入网络之前,采用在原始图像上随机取样的策略获取输入图像的方法,解决了原始图像尺寸不固定的问题,降低了网络的负载即对GPU显存的需求量,同时分割性能得到了提高。本文的膝关节分割算法在PD数据集上三类软骨平均Dice分割分数可以达到0.7682,相比于baseline提高了1.6%;在SKI10数据集上两类软骨Dice分割分数可以达到0.7645,相比于baseline提高了1%。
其他文献
伴随着互联网的蓬勃发展,我们早已处于“信息过载”时代,从海量数据中快速获取有效信息变得愈发重要。因此,推荐系统作为解决“信息过载”难题的有效方式,具有重要的研究意义。随着深度学习技术在推荐系统中的广泛应用,以及学者们逐渐开始将社交信息作为推荐系统输入特征之一,在一定程度上解决了传统推荐方法的泛化能力弱和数据稀疏问题。但二者还存在一些局限性,一方面,现有的基于社交特征的推荐方法大多通过挖掘用户的历史
随着现代军事领域向无人化、智能化方向发展,防空作战体系武器系统的决策能力、系统信息处理能力、高精度计算等要素发挥的作用逐渐得到体现。其中武器系统的决策能力因制约战局的变化,受到许多研究者的关注。随着一体化防空作战模式发展,舰对空、空对空与地对空之间形成作战体系,将各单位彼此联合是目前相关领域下的发展趋势。武器系统攻击决策中面临多种“选择”、“判断”等问题,包括武器选择、目标分配、发射判决等。本文针
多目标优化问题广泛存在于现实生活中的各行各业,与我们的生活密切相关。近年来,诸多学者提出了许多优秀的算法框架解决多目标优化问题,取得了不错的效果。然而,这些算法在解决大规模多目标优化问题时,求解效果明显下降。这主要是因为随着问题决策变量维数增加,搜索空间急剧增大。随着社会的发展,现实世界的问题越来越复杂,建立的模型的决策空间维度也随之增多,因此,研究和设计解决大规模多目标优化问题的高效算法是具有重
在大数据时代背景下,人们时时刻刻都在产生数据信息。而这些信息在各行各业中都有着很大的经济价值,比如银行、通讯、金融行业等等,同时还衍生出了百度智能云、广告推荐等服务平台,给人类的生活带来了非常大的便利。另外在近几年,大数据还被应用到了机器学习领域。在机器学习领域中,模型训练数据集的使用往往存在着许多隐私泄露问题。随着科技的发展,人类对机器学习模型的性能的要求也越来越高,所需的训练数据量越来越大,因
伴随着计算机技术的快速发展,计算机运行监控系统也在越来越多的企业中得到实际应用,运行监控系统通常由监控中心软件和若干部署在外站的数据采集设备两部分组成。近些年来,航天等领域的运行监控系统在实际应用中暴露出了诸多问题。其中由于系统中的数据采集设备往往会被安放在一些网络基础受限的地方,经常面临网络带宽较小、网络时断时续等情况,导致采集到的大量监控数据不能及时传输到监控中心进行处理。此外,随着系统中数据
随着测序技术的不断进步和发展,针对不同物种及组织的蛋白质组测序已经为国内外研究者提供了多样化的蛋白质序列数据库。可用蛋白质序列数量的不断增加,也让对于蛋白质生物学以及蛋白质相关下游任务的研究向数据驱动转变,机器学习和深度学习方法在蛋白质组学相关任务中被广泛应用。如何从蛋白质序列中挖掘得到蕴含结构和功能语义信息的蛋白质向量表征,已经是国内外研究者关注的热点。另外,海量的蛋白质序列数据背景下也出现了另
随着科技水平的迅速发展,越来越多的设备产品被生产使用,用户面临的故障问题也日益增多。由于故障处理过程中会产生大量工单案例,因此研究基于历史故障库的案例推荐可以为用户提供高效、准确的故障处理途径,在故障诊断领域具有重大研究价值。针对工单案例中存在的信息冗余、内容杂乱等现象,现有的研究大多基于文本的基础特征进行匹配,例如词共现和词频等统计信息,缺乏语义层面的理解,导致案例推荐存在准确率不高、根因分析不
知识图谱是知识组织的一种有效方式,各专业领域通过构建垂直领域知识图谱进行知识管理。随着知识规模日益增长,多源异构知识成为知识图谱的主要数据来源。多源异构知识需要保证知识的准确性和正确性,共指消解技术和实体对齐技术可以有效进行实体消歧,以实现构建知识图谱的目标。目前,共指消解技术和实体对齐技术虽然取得不少研究成果,但还有不少难点尚未解决。例如,多数端到端共指消解模型聚焦于文档结构信息而忽略文档中的句
随着工业产品日渐多样化,基于深度学习的机器视觉技术逐渐开始代替人工进行质量检测。在实际工业生产中,大多产品结构复杂,单个深度学习模型已不能满足生产需求。产品的质量检测不仅会涉及到多个深度学习模型,而且不同产品线的模型执行顺序和执行条件各异,且存在新的未知产品形态,因此需要在检测前,对多个模型进行模型编排。传统编排采用的是工作人员手工编写编排脚本的方式,这种方式需要工作人员具备一定的技术基础,且不易
药物研发普遍存在着投资数额大、投资风险高、研发周期长、研发成功率低的现象。在新药物的研制过程中,药物靶标相互作用预测起着至关重要的作用,能够有效地减少药物开发的时间和经济成本。目前,基于异构信息网络的药物靶标相互作用预测方法越来越受到人们的关注,越来越多的研究集中在药物潜在靶点的预测上,然而目前的方法在多层网络处理和网络特征提取合并上依然存在着问题。本文提出一种基于异构网络向量表示的药物靶标关系预