【摘 要】
：
肺结节是肺部疾病的一种常见表现形式。采用基于深度学习的方法,实现肺结节自动化检测和分割,将为医生提供有力的帮助。深度神经网络的训练需要较多的数据,针对医学图像难以获取的问题,采用生成对抗网络生成医学图像不失为扩增数据集的一种有效办法。根据肺结节生成任务的需求,以图像修复为生成的基本思路,在正常CT图像中“挖出”需要生成结节的区域及周围区域,对挖出的三维数据块保留边缘信息并用随机噪声填充需要生成的中
论文部分内容阅读
肺结节是肺部疾病的一种常见表现形式。采用基于深度学习的方法,实现肺结节自动化检测和分割,将为医生提供有力的帮助。深度神经网络的训练需要较多的数据,针对医学图像难以获取的问题,采用生成对抗网络生成医学图像不失为扩增数据集的一种有效办法。根据肺结节生成任务的需求,以图像修复为生成的基本思路,在正常CT图像中“挖出”需要生成结节的区域及周围区域,对挖出的三维数据块保留边缘信息并用随机噪声填充需要生成的中间部分,作为生成对抗网络的输入,由网络生成为含有肺结节的数据块,最后融合到原始CT图中实现肺结节生成。生成图像块时,以CT生成对抗网络为基础,设计了加入注意力机制的挤压和激励CT生成对抗网络（Squeeze and Excitation CT Generative Adversarial Nets,SE-CT-GAN）,注意力机制采用了挤压和激励网络模块实现。网络损失函数部分加入了重点区域加权的L1损失函数,达到在生成过程中学习更多肺结节特征的同时保留数据块边缘信息的目的。融合图像时,为消除直接将生成数据填回原始图像时产生边缘不连续的问题,使用了将生成数据和原始CT图像加权平均融合的后处理操作,得到了更逼真的完整CT图像数据。针对单个网络不能同时较好地生成不同大小的结节,将肺结节生成任务分成微小/小结节的生成和大结节的生成任务,两个子任务的生成方法流程一致,仅在生成网络的输入和深度方面有区别。采用了主观评价、峰值信噪比和结构相似性的客观评估指标对生成结果进行评价。对提出的改进部分进行了相关消融实验并与其他生成网络进行了对比实验,实验表明,SE-CT-GAN网络中相关改进操作都提高了肺结节生成数据的质量。将生成数据分别应用于肺结节检测和分割任务,相较于传统数据增强方式,检测网络V-Net的灵敏度和准确率指标分别提升了4.2%和5.9%,分割网络U-Det的骰子相似系数提高了3%。
其他文献
在计算机视觉领域,三维人脸重建是一个非常热门的研究方向。三维人脸重建方法的目标是根据已有的二维人脸图像,构建出真实且高精度的三维人脸。由三维人脸重建算法恢复的三维人脸可以应用于影视、动画和医学等领域。三维人脸重建技术可作为辅助技术用于人脸编辑和人脸识别等研究方向。现有的基于深度学习的三维人脸重建方法无法生成真实的人脸纹理和精确的人脸形状,对于多样性原始图像重建人脸的鲁棒性不够好。为了生成更加真实且
随着深度学习技术的不断发展及相关产业需求的提升,基于图像的三维物体重建技术受到越来越多的关注。目前,主流三维重建多以深度神经网络为技术支撑,通常包含编码器和解码器两个核心模块。然而,由于深度学习技术在三维重建方面的研究起步较晚,重建出的三维物体在局部细节上仍有待完善。鉴于此,以高质量三维重建为核心需求,围绕深度神经网络中的编码器和解码器设计,开展了以下研究:首先,设计了基于多分辨率编码的三维点云重
随着互联网电商平台的兴起,商品推荐系统发展迅速。研究表明,基于用户与商品交互序列的推荐算法能够感知用户的长期偏好,有助于提升推荐效果。通过对真实数据集分析,发现某些情况下交易数据具有稀疏和短交互性的特征,在二手交易平台中尤为明显,此类问题降低了序列建模推荐方法的有效性。与此同时,当推荐系统进一步面对用户冷启动问题时,有必要综合考虑算法的适应性和数据的稀疏性问题。基于上述分析,对面向稀疏数据的序列建
知识抽取技术能够帮助人们从海量内容中自动抽取结构化知识,因此开展知识抽取技术的研究至关重要。知识抽取具有三个核心的子任务:实体抽取、属性关系抽取和事件抽取,目前各项子任务的研究方法均取得快速发展,但仍存在以下问题:1.算法与领域知识结合不紧密,对领域知识利用不充分。2.嵌套实体识别与实体多分类同时实现较为困难。因此,基于背景知识嵌入,改进了嵌套命名实体识别算法,并设计和实现了知识抽取系统。基于嵌套
临床上医生在对脑颈部动脉血管疾病进行诊断时,通常需要进行CT血管造影（CTA）,然后经过手工对动脉供血分区进行切割得到一系列不同动脉分支的多角度摄片重构图像。但这种方法对医生的专业水平要求高并且工作量大速度慢,亟需一种自动生成不同脑颈动脉多角度摄片重构图像的算法。提出一种基于关键点定位的自动脑颈动脉多角度摄片重构算法。首先,提出12个在自动脑颈动脉供血分区中起到关键作用的关键点,并在医院采集的CT
人脸识别技术已广泛应用于各个领域。与传统手工提取人脸特征方式相比,基于深度学习的人脸识别方法能够通过多层级联的卷积神经网络提取更具表达能力的人脸特征,具备更高效、更准确的人脸识别能力。基于深度学习的人脸识别过程主要包括人脸检测与人脸特征识别两个阶段。人脸检测用于在图像中定位人脸,以从中提取人脸信息;人脸识别比对人脸特征提取的结果,判断人脸所属个体。在众多的图像检测方法和图像识别方法中,如何对模型进
党的二十大提出了“中国式现代化”重要思想，中国式农村教育现代化也被赋予新的时代内涵。农村教育发展受所处社会的政治、经济、文化等因素的综合影响。系统梳理新中国成立以来农村教育发展的历史脉络显示：农村教育优先发展战略地位的确立、多管理主体权责关系的平衡、多样化办学实践样态的探索、系统化改革发展思维的完善共同构成了农村教育现代化的实践逻辑。中国式农村教育现代化的推进要通过加强乡村教师队伍建设、挖掘农村教
随着芯片行业的快速发展,摩尔定律出现了瓶颈,不再适用于工艺制程不断缩小的新兴芯片技术。传统的单芯片片上系统（System on Chip,SoC）架构的性能提升速度逐步下降,因此,Chiplet架构受到了学术界与工业界的广泛关注。Chiplet架构的特点表现为支持不同制程、不同功能的芯片封装在一起。但是,现有的基准测试集功能单一,且主要面向同构架构,即缺少针对Chiplet中常见的异构架构的基准测
医疗票据识别依赖于光学字符识别技术,主要包含两个阶段:文本检测和文本识别。在文本检测阶段,由于医疗票据中印刷、机打文本相互覆盖,导致文本检测框中存在多种不同类型的文本。在文本识别阶段,基于CRNN（Convolutional Recurrent Neural Network）的文本识别方法对票据中干扰多、模糊的文本图像识别准确率不高。针对上述问题,基于DBNet算法提出了多分类文本检测改进,同时设