【摘 要】
:
随着深度学习在医学图像领域的发展,利用深度学习实现脑CT图像出血区域分割与脑区定位的研究对临床辅助诊断有着重要的意义。对于CT图像脑出血分割问题,由于主流深度学习方法缺乏对医学图像成像规律的设计,当部分脑出血的特征较弱或较小时,分割效果欠佳。另一方面,对于出血脑区定位问题,计算机视觉领域的定位只能给出目标在图像中的坐标位置,尚缺少在医学意义上的脑区定位的研究。论文对上述问题做了深入的研究,论文的主
论文部分内容阅读
随着深度学习在医学图像领域的发展,利用深度学习实现脑CT图像出血区域分割与脑区定位的研究对临床辅助诊断有着重要的意义。对于CT图像脑出血分割问题,由于主流深度学习方法缺乏对医学图像成像规律的设计,当部分脑出血的特征较弱或较小时,分割效果欠佳。另一方面,对于出血脑区定位问题,计算机视觉领域的定位只能给出目标在图像中的坐标位置,尚缺少在医学意义上的脑区定位的研究。论文对上述问题做了深入的研究,论文的主要工作和创新总结如下:提出了一种基于全卷积网络与注意力机制的图像分割模型以实现脑出血区域分割。首先改进了U型分割网络,对浅层特征图采用空间注意力进行自关注,对深层特征图采用通道注意力进行自关注,从而减少脑出血分割问题中的漏分割现象。其次提出了一种分层分割的思想,对属于不同脑部断层的CT图像自动选择不同的分割网络权重,以提升分割效果。最后利用脑出血的形状特征对网络分割结果进行图像后处理。实验表明论文提出的模型优化方法对脑出血区域分割有显著的提升效果。提出了一种基于断层分类的定位模型以实现出血区域的脑区定位。首先,设计了断层分类网络,主干网络为ResNet-101,根据CT图像的连续性设计了相邻图像的网络输入方式。同时,考虑CT断层的层间差异设计了新的交叉熵损失函数,用于断层分类网络的训练。其次利用CT图像集的空间顺序设计了分类序列优化算法,减少了分类网络的错分类现象带来的负面影响。最终利用分割模型的输出结果,确定出血区域在图像中的中心位置,通过查询标准断层的脑区划分表,以实现脑区定位的功能。实验结果表明出血脑区定位方法在精度和时间要求上都表现出较好的性能。将所提算法与模型集成于脑出血辅助诊断系统,得到了实际应用。在实际辅助医生进行脑出血疾病的诊断与治疗过程中,该系统表现出了良好的性能与效果。
其他文献
磷矿石中的稀土元素测定方法主要使用电感耦合等离子体质谱法(ICP-MS),样品处理方式主要采用敞口混合酸溶和碱熔。传统的酸溶和碱熔处理矿石样品时间较长,试剂加入量大,操作过程较为繁琐,且易造成环境污染。微波消解直接向样品释放能量,工作效率高,且易挥发元素被保留在消化溶液中,防止挥发造成结果偏差及环境污染。本文采用微波消解对磷矿石进行处理,并在二次消解过程中加入饱和硼酸络合溶矿过程中产生的不溶物氟化
近年来,由于SRAM型FPGA具有体积小、功耗低、运算速度快等优点,在宇航设备中得到了广泛的应用。然而,太空环境中存在着大量的单粒子或重离子,它们对半导体材料的冲击极易导致FPGA内部结构发生故障,从而导致整个电子系统失效。目前,在地面模拟单粒子翻转(SEU)的主流方法是通过修改FPGA配置位流文件,但这种模拟方法不能定向对某个具体模块或者功能进行故障注入,不仅具有较大随机性,而且效率非常低,不能
红外与可见光图像融合是图像融合领域中的一个热门研究方向。红外与可见光图像融合的目的是使得融合图像中尽可能多的保留红外图像中的以像素强度为特征的热辐射信息和可见光图像中以梯度为特征的纹理信息,使融合图像能够更好的应用于目标识别、跟踪等任务。本文针对红外与可见光图像融合问题进行研究,主要工作有以下几个方面:(1)针对传统图像融合领域在活动水平测量和融合规则设计等方面的复杂性,提出了一种基于图像分解的孪
单相接地故障消失引起的铁磁谐振是导致中性点不接地系统中PT熔断器熔断的最常见原因。文章针对云南某配电系统一次PT熔断器熔断事件的录波数据,结合铁磁谐振机理和类型,详细分析了事故经过及原因;利用快速傅里叶变换(FFT)进行频谱分析,确定了铁磁谐振的类型;最后分析了现场二次消谐装置未能正确动作的原因,并给出治理措施建议。
金属矿石稀土含量测定的前处理过程中由于氢氟酸的低沸点特性,样品消解温度低,容易引发部分样品稀土含量损失,影响最终的测试结果。利用氟化氢铵相较氢氟酸有更高的沸点,且在加热过程中可分解产生氢氟酸的特性,采用硫酸、氟化氢铵和硝酸消解多金属矿石样品,建立了电感耦合等离子体质谱(ICP-MS)法测定多金属矿中稀土元素的分析方法。通过考察氟化氢铵用量、消解温度和消解时间对分析结果的影响,最终选择称样量为0.0
车辆目标自主检测是遥感侦察和精确导航领域的关键技术,深度学习成为红外图像时敏目标检测算法研究的主要方向之一,其性能与训练样本的规模和质量密切相关。然而,实际应用中待检测车辆往往为非合作目标,很难获取大量的实际目标红外图像数据,尤其是复杂战场环境下目标多视角图像,网络模型训练面临少样本甚至零样本的难题,且目标成像像素数少。因此,本文提出一套面向少样本目标检测的图像增广方法,设计目标检测网络,并实现模
随着遥感卫星压缩图像下传模式和数据类型越来越复杂,对新型号卫星地面解码系统性能提出了很大的考验。本文研究内容涉及一种高性能卫星图像解码系统软件的设计与实现,其具备兼容多任务模式的扩展性、保证新任务模式下的实时性和应对复杂故障类型的稳定性。对以上三种高性能需求,开展了系统架构的解耦重构、时延分析与优化和系统故障恢复技术的研究。最终在当前某实时卫星图像地面解码系统的基础上,基于新任务模式的任务特点,针
遥感卫星技术的快速发展和相关产业的迭代升级给配套的地面图像处理系统带来了快速部署的要求和挑战。图像实时解码系统是本课题组为某系列遥感卫星研发的支撑系统,属于地面图像处理系统的一部分,负责将传输到地面的压缩码流实时解码还原成图像数据。现有解码系统软件基于不同卫星型号和不同应用阶段定制化开发,通用化程度不高,不利于当前系统的管理维护和后续系统的快速部署。为此本文对解码系统软件进行通用化设计,面向此系列
随着监控设备制造技术的成熟,大大小小的公共安全摄像头如雨后春笋般冒出。公共事务大到刑侦破案,小到社区管理都要借助监控找到目标行人。因此对目标行人的定位和检索具有较大的现实意义。行人重识别研究如何跨摄像头找到同一行人。但这个课题的前提是人已经被检测出来,即在事先存在的行人检测图上开展的。因此行人重识别研究有一个现实问题:实际成像的全景图片中不只有行人还有大量的背景,即行人位置的不确定。所以对于实际成
基于嵌入式平台的机载地面目标检测在电力巡检、交通监控和战场侦察等军民领域有着重要的应用。随着以深度神经网络为代表的人工智能技术快速发展,机载地面目标检测深度学习方法取得了优于传统方法的性能。但是,深度神经网络参数量大、计算密度高,而机载嵌入式平台重量、体积、功耗等资源有限,难以满足目标检测高时效性要求。为此,本文研究了目标检测深度学习模型的轻量化与优化部署技术,设计开发了基于Hi3559A的机载地