【摘 要】
:
医学影像分割是现代医学影像分析的重要基础。深度学习与医学领域的交叉融合旨在辅助医生对医学影像进行人体组织或病灶区域的提取和分割,高效准确地做出医学诊断。因此,利用深度学习的学习能力辅助医生进行医学影像分析,可以节约医生的时间与精力,均衡不同发展区域的医疗资源。如今随着计算机性能的提升和医学数据量的增加,传统方法手工提取图像特征具有一定的局限性,深度学习通过多层神经网络叠加,能够更好地提取图像的局部
论文部分内容阅读
医学影像分割是现代医学影像分析的重要基础。深度学习与医学领域的交叉融合旨在辅助医生对医学影像进行人体组织或病灶区域的提取和分割,高效准确地做出医学诊断。因此,利用深度学习的学习能力辅助医生进行医学影像分析,可以节约医生的时间与精力,均衡不同发展区域的医疗资源。如今随着计算机性能的提升和医学数据量的增加,传统方法手工提取图像特征具有一定的局限性,深度学习通过多层神经网络叠加,能够更好地提取图像的局部细节信息和高层语义抽象信息。本文深入研究了基于U-Net的医学影像分割技术,针对U-Net存在的不足提出了两种新的医学影像分割算法,在多个医学影像公共数据集上表现出了良好的性能,并获得了较好的可视化分割结果。本文主要研究工作如下:首先,本文对经典网络U-Net进行改进,提出了基于残差网络和注意力机制的医学影像分割算法RAU-Net,并且在COVID-19肺部感染数据集上验证RAU-Net的性能。由于U-Net网络存在欠分割和特征提取不充分问题,RAU-Net通过在编解码路径使用残差块来增强模型提取特征的能力,进而更加有效的提取病灶区域特征。RAU-Net通过注意力门AG来处理跳过连接的编码特征,使网络模型更加关注COVID-19感染的病灶区域,抑制CT图像中背景区域的特征响应,有效的降低病灶边界模糊的问题。其次,本文对RAU-Net作进一步的改进,基于循环神经网络提出了R2AU-Net,并且在三项医学影像分割任务上验证R2AU-Net的性能。RAU-Net对于COVID-19肺部感染区域分割性能良好,但是忽视了ROI中像素点的相关性,对于某些医学影像的分割结果具有一定的不连贯性。R2AU-Net使用循环残差卷积块进行特征提取,旨在增强模型整合上下文信息的能力。对于不同形式的医学影像,循环残差卷积块有助于提取至关重要的浅层特征,然后由注意力门来聚合浅层细节信息和高层抽象语义信息。最后,针对不同的医学影像,本文分别采取了不同的训练策略。利用随机正则的思想,对Re LU激活函数进行改进,进一步细化皮肤病变分割结果、对于视网膜血管数据进行数据增强、肺部标签的重新制作。实验结果也证明了不同训练策略对于不同分割任务的有效性。
其他文献
本文重点研究了带丢包的多传感器广义系统信息融合鲁棒估计问题。首先,研究带丢包和不确定噪声方差的单传感器广义系统的鲁棒时变预报器和预报器以及稳态滤波器。其次对带丢包和不确定方差的多传感器广义系统研究其信息融合鲁棒估值器,最后就鲁棒性和收敛性等展开了深入研究。具体内容如下:对于带丢包和不确定相关噪声方差的线性离散随机广义系统,本文提出了时变鲁棒Kalman滤波算法。首先利用奇异值分解(SVD)方法、增
重金属不仅污染环境,还伤害人类的身体,近些年,随着社会的发展,重金属污染已经成为一个亟待解决的问题。因此,重金属离子检测成为当今科研工作的一个重点。光纤SPR传感器因其具有检测灵敏度高、实时监测等优点,近年来受到了广泛的关注。本文研究了基于光纤SPR传感器的铅离子检测。具体工作如下:首先,论文介绍了SPR发生的原理和发生SPR时金属所需具有的光学性质,以及SPR传感技术的发展现状。之后阐述了重金属
如今步入大数据时代,对半导体存储技术的要求越来越高,忆阻器凭借非易失性等独特优势,有望应用到实际电路当中,而忆阻器交叉阵列在忆阻器逻辑电路当中是必不可少的。本文给出Zn O:Li忆阻器结构和阻变机制,利用XRD、AFM分别研究Zn O:Li薄膜的微结构和表面形貌,通过分析制备工艺条件(氧含量、溅射时间等)对Zn O:Li薄膜阻变特性的影响,当氩气流量、氧气流量分别为20 sccm、5 sccm,L
针对航空航天、深海探测等领域对空间磁场矢量(B)测量的迫切需求,通过对比空间磁场矢量的测量方法,分析磁灵敏度一致性、交叉干扰等主要性能指标。结合硅磁敏三极管(Silicon magnetic sensitive transistor,SMST)的基本结构和磁敏感特性,设计给出一种高性能空间磁场矢量传感器,该传感器由封装板上芯片Ⅰ和芯片Ⅱ构成,芯片Ⅰ包括x方向磁敏感单元(SMST1和SMST3)和y
在科学技术飞速发展和进步的今天,越来越多具有高质量空间分辨率和光谱分辨率的遥感图像能被获得,这为遥感图像目标检测在农业、城市和军事等领域的应用提供了极其重要的研究基础和意义。但是,遥感图像目标检测仍旧受到了很多条件的约束与限制,例如遥感图像中目标拍摄角度不同、目标尺度不一致和网络模型过大等问题,这些问题对遥感图像目标检测技术提出了更高的检测要求和能力。针对以上这些问题,本文的主要研究工作如下:(1
目前随着工业数字化设备的日益增长,工业信息安全面临着复杂多样的挑战,加强入侵检测系统的防护能力势在必行。目前的网络防护系统会存在设计缺陷,这是与检测模型利用高度不平衡数据集进行训练相关的,数据集中也是存在多余的特征属性,这会导致训练器的性能浪费,增加计算开销,而且当前的网络防护系统往往不具备应用灵活性。因此,本文利用特征选择算法进行数据集的降维,并基于增益因子δ和合并树优化了C4.5决策树算法,并
互联网作为最大的信息中心,处理着海量的信息,这些信息以文本、图像、音频和视频等形式存在。图像作为信息最便捷的载体,数据传输过程中所占比重更大,因此如何将图像进行加密,把其中信息进行隐藏是十分关键的。在图像加密的过程中,需要以大量的随机数作为密钥,随机数序列的性能影响着加密后图像的安全性。本文使用壳聚糖、氧化石墨烯和石墨烯量子点等材料作为介质层主要材料,制备了三种生物忆阻器,利用器件的物理特性生成随
非正交多址接入技术(NOMA)通过叠加多个用户,显著地提高了系统和速率,其中用户分组和功率分配是决定系统和速率的关键因素。传统的基于迭代优化的用户分组及功率分配算法计算复杂度高;基于深度强化学习的方法可以减少在线执行时间,但存在样本池均匀采样效率低的问题;此外,接收端串行干扰消除产生的残留误差对功率分配提出了进一步约束。本文针对以上三个问题,提出了基于优先采样的NOMA用户分组及功率分配算法和基于
对于高光谱遥感图像,由于没有足够的训练样本和复杂的噪声,且标记样本不足的样本与高维波段之间存在冲突,要选择具有识别力的波段是一项具有挑战性的任务,而传统的深度神经网络在高光谱图像分类中也面临过拟合问题。本文针对以上问题提出了波段选择方法和分类方法,主要工作如下:(1)首先提出一种结合超图自动学习和最优聚类算法的波段选择方法。通过将整个波段空间随机划分为几个不同维度的子空间(LV),其中每个子空间由
随着全球气候变化的威胁日益严峻,中国在实现“双碳”目标过程中,对外贸易的绿色低碳发展成为焦点。以“双碳”目标下中国对外贸易绿色低碳发展路径及政策优化为核心,梳理相关概念,对全球绿色低碳技术发展形势进行分析,论证中国出口贸易与碳排放关系实证,提出了一系列的对策。首先,需要合理控制化石能源消费,加速推进清洁能源转型,以减少碳排放并构建清洁、低碳、安全、高效的能源体系。其次,财税、金融和投资政策体系的完