【摘 要】
：
脑梗目前已经成为全球第五大死亡因素,在中国每年有一百多万人死于脑梗。脑梗核磁共振成像（Magnetic Resonance Imaging,MRI）的自动分割对于脑梗的诊断具有重要意义。近年来,基于深度学习的图像处理算法发展迅速,在医学图像处理领域展现出巨大的潜力。本文所研究的脑梗图像分割任务主要面临以下两大难点:首先,全监督学习依赖大量的标注数据,需要由相应的专家对病灶区域进行手工标注,将耗费大
论文部分内容阅读
脑梗目前已经成为全球第五大死亡因素,在中国每年有一百多万人死于脑梗。脑梗核磁共振成像（Magnetic Resonance Imaging,MRI）的自动分割对于脑梗的诊断具有重要意义。近年来,基于深度学习的图像处理算法发展迅速,在医学图像处理领域展现出巨大的潜力。本文所研究的脑梗图像分割任务主要面临以下两大难点:首先,全监督学习依赖大量的标注数据,需要由相应的专家对病灶区域进行手工标注,将耗费大量的时间和精力。其次,脑梗图像中病灶区域复杂多变,且存在着噪声干扰,使得高精度的分割成为一项具有挑战性的任务。针对以上问题,本文开展了基于弱监督和半监督学习的脑梗图像分割方法的研究,主要研究工作和创新点如下:（1）针对类激活图（Class Activation Map,CAM）存在的定位错误和精度低等问题,本文提出了两种基于空间多尺度的CAM优化方法。一种是基于图像金字塔的CAM优化方法,该方法通过构建输入图像金字塔的方式在不改变网络结构和参数的情况下引入了多尺度。另一种是基于金字塔池化的CAM优化方法,该方法在网络内部添加了金字塔池化模块,引入多尺度元素,使网络可以感知不同感受野大小的图像,并通过抗噪声干扰策略来抑制噪声区域,突出病灶区域。大量实验表明,优化后的CAM在病灶区域的定位精度上有了明显提高。（2）针对分割精度无法达到临床要求的问题,本文基于U-Net提出了Parallel-UNet网络,该网络在编码阶段共用一个特征提取器,在解码阶段采取一种并行分支结构,提取互补的特征信息,将两条分支信息融合后输出,弥补了单分支结构细节信息的损失,在弱监督语义分割框架上对该网络进行了训练和测试。同时,针对弱监督分割中使用CAM作为伪标签导致精度下降的问题,本文提出了一种基于Parallel-UNet与CAM的半监督分割算法,该算法在自训练半监督学习分割方法中引入CAM作为参考,从而选择高置信度的预测标签作为伪标签,并加入到训练集中,使用新的训练集继续训练分割模型,迭代更新模型参数。大量实验表明,本文提出的弱监督和半监督分割方法能够在仅使用弱标签或少量有标签数据的情况下取得良好的分割效果。
其他文献
近年来,随着大数据和云计算的出现,时序数据成为最普遍的数据形式。时序聚类是一种主流的数据挖掘技术,根据对象是时序数据集还是单条长时序数据,可以获得不同的聚类结果。其中,时序聚类的关键问题是如何更好计算时序之间的相似性。已有文献对相似性度量存在大量改进或是将大量的聚类方法应用到时序数据中,但是未曾指出导致相似性度量效果差的原因以及无法利用相似性进行合理聚类,导致聚类效果并不理想。因此本文提出了一种改
随着科技的进步,计算机视觉技术的发展,人类生活已经进入了信息化的时代。同时,海洋的建设与发展也亟需转型升级、与时俱进。借助信息技术构建智慧海洋将是未来重要的研究方向,对海底资源探索和开发具有重要意义。其中,水下图像增强技术作为人类探索水下世界的眼睛,是进行水下勘探的第一步,而水下目标检测技术也是实现海洋牧场捕捞和海洋生物监测的重要手段。如何克服并适应水下环境的特殊性,是本文研究水下图像增强和轻量级
随着信息技术的快速发展,全球贸易结构发生了巨大的改变,而离岸服务外包也异军突起,迅速成为国际贸易中必不可少的一部分。离岸服务外包的发包企业多为享誉全球的跨国公司,他们在选择承接企业时,除了会关注企业本身的质地,也会考虑接包企业所在国家或地区的政策支持情况。如今全球技术进步迅速,先进的技术往往能够给一个产品带来相当高的溢价,因此世界各国对知识产权保护愈发重视,市场竞争环境是否公正、知识产权保护制度是
金线莲是我国民间特有的食药兼用型名贵中药材,具有除湿祛风,固血保肝的功效。目前市场上的金线莲种源混杂,品质参差不齐,且存在以假乱真、掺假售假等现象。近红外光谱分析技术有着高效、简单和绿色等优点,在其它中药材的品质检测上都得到较好的应用。本研究将不同品系的烘干金线莲及其伪品血叶兰、斑叶兰作为主要研究对象,利用近红外光谱分析技术,对金线莲的真伪、品系及黄酮类成分含量展开研究,并在此基础上构建定性或定量
图像是当今社会人类获取信息的重要途径,而图像复原技术是图像处理领域重要的组成部分。图像去模糊技术作为图像复原技术中的核心技术之一,针对解决因图像模糊问题造成的图像质量退化现象,一直被广泛研究。图像去模糊问题属于不适定问题,处理的难度较大。由于图像模糊受场景深度,拍摄画面中物体运动等因素影响,运动模糊是非均匀的。针对解决非均匀图像模糊问题,在本文中,提出一种改进现有去模糊网络的方法,利用像素级模糊程
苹果是我国的第一大水果,栽培面积和产量均居世界首位。调查显示,我国苹果面积、产量占世界的50%以上,均居世界首位。苹果内在含有多种高营养价值的物质,其中,苹果内含有的黄酮类化合物对人体健康发挥着举足轻重的作用。目前,对于苹果内黄酮类化合物的检测手段主要通过化学有损检测的方法进行,该方法不仅成本高,还因为繁琐的检测流程需要投入大量的人力物力。因此,需要一种能够快速无损且成本较低的检测方法,以便携式、
卒中病发是造成人类死亡的主要疾病之一,并且患者在接受治疗后仍会存在严重的后遗症。目前传统的诊断方法依赖于医学影像信息,并且需要具有熟练技能的医生来对患者的状况进行诊断确认。同时,医学影像成像本身耗时久,医生和患者之间难以达到信息的有效沟通。机器学习等前沿技术能够在降低人为干预的情况下以医学影像为主要依据来自主判断患者卒中情况,因此可以通过引入计算机辅助系统帮助医生提升卒中诊断效率。本文在心电图信号
三维视觉技术是计算机视觉领域中的一个重要方向,立体对象识别和检索任务是三维视觉领域中的一个重要的研究领域,被广泛的应用于自动驾驶,虚拟现实/增强现实,游戏,产品设计等应用领域。如何从立体对象数据中获取高质量的立体对象特征表示在识别和检索中具有重要的作用。对于立体对象的多视图数据,视图之间存在着一定相似性或差异性的关系,如何合理的利用视图的关系进行合理的建模值得被进一步的研究。当前的研究工作大多关注
储能是以可再生能源为主体的新型配电系统重要元件,是实现我国“2030碳达峰、2060碳中和”双碳目标、能源转型、低碳可持续发展的重要途径。储能具有电源和负荷双重特性,可提供削峰填谷、平滑间歇式电源波动性、提高清洁能源消纳、调峰调频、电压稳定等多重服务。近年来,储能对提高新型电力系统供电质量和可靠性也越来越受到国内外学者的关注,但是储能对供电可靠性的贡献与其运行策略及荷电状态（SOC）分布密切相关,
气密性是换热器、制冷装置和压力容器等密闭设备的关键性能指标。密闭设备在使用过程中一旦发生泄漏,轻则使设备性能下降,重则导致安全事故。因此,密闭设备气密性检测技术的研究与应用尤为重要。现有气密性检测方法众多,有些甚至有较高的检测精度,但是大多只能判断密闭设备是否泄漏,不能实现漏点精确定位。皂泡法、压力水检法是目前最常用的密闭设备漏点定位方法,但漏点识别与定位高度依赖于人工目视技能,容易导致漏检或误检