【摘 要】
:
多视图超声心动图序列一直是诊断先天性心脏病的首选检测方法,因为它具有无创、无辐射、可实时成像以及价格低廉等诸多优点.在超声心动图检查中,通过对心脏左心的左室和左房区域的精确分割可以进一步测量心室心房的容积、射血分数等重要生理参数,进而准确评价心脏功能,但是人工对超声图像的分析是一项十分耗费时间以及金钱的工作,而且通常这种工作需要一些具有经验的专业人士,很多时候这就导致病人等待时间过长,甚至可能错过
论文部分内容阅读
多视图超声心动图序列一直是诊断先天性心脏病的首选检测方法,因为它具有无创、无辐射、可实时成像以及价格低廉等诸多优点.在超声心动图检查中,通过对心脏左心的左室和左房区域的精确分割可以进一步测量心室心房的容积、射血分数等重要生理参数,进而准确评价心脏功能,但是人工对超声图像的分析是一项十分耗费时间以及金钱的工作,而且通常这种工作需要一些具有经验的专业人士,很多时候这就导致病人等待时间过长,甚至可能错过最佳的治疗时间,因此找到一种能够大大缩短前期图像分析工作时间的方法就显得格外重要.自动图像分析可以以低得多的成本实现这种监控,尤其是与降低图像采集成本的方法相结合时.对于超声心动图,一种这样的策略可以出现在没有专家参与的场景下使用的手持设备和基于云的自动解释系统,该系统评估心脏结构和功能并将结果与过往研究进行比较.自动图像解释还可以监测在给定中心收集的心电图数据,并且可以与统计模型相结合,或检测特定的心肌疾病.目前来说,在心脏超声图像上的分割主要有以下几个难点:(1)超声心动图图像中大量噪声和伪影的存在会导致图像边缘丢失,同时超声图像信噪比较低,对比度低,分辨率低,这导致超声图像中局部信息丢失和解剖结构不完整;(2)同一器官在不同的视角下呈现不同的解剖结构,左心室的结构在不同视图下具有不同层次,左心室在不同的视角下呈现不同的解剖结构;(3)在不同的协议以及不同供应商和中心的设置下,超声图像的灰度值分布和空间纹理存在较大的差异,这将进一步加大供应商之间的差异;(4)在医学图像的研究中,最大的难点是数据量的问题,由于一些限制,数据的获取和标注存在很大的局限性.根据调研,我们发现当前研究主要是针对前三项难点进行设计,主要都是一些全监督学习的框架,虽然很多模型都能够很好地解决前三项难点,但是针对标注量少的问题,一直迟迟没有很好的解决方案.因此,我们提出了一种结合自监督学习和超像素分割的方法,自监督学习是通过深入挖掘原始数据信息来执行上述挑战的潜在解决方案之一.为了解决这个问题,我们提出了一种新的自监督学习方法,结合了医学图像的超像素框架,以消除训练期间对注释的需求.所提出的框架获得了三种用于代理任务的自监督学习方法,从未标记的图像中获取全局和局部信息.然后,我们将学习到的网络转移到我们的下游模型中.我们使用各种不同的任务证明了所提出的方法对医学图像的普遍适用性.我们在模型中使用了一万例低分辨率以及两百例普通分辨率的未标注的心脏超声动图序列,每个序列都包含约30帧超声图像.首先,我们对原始超声图像进行超像素处理,在此过程中,我们不仅区分了左心室,还识别了背景中的亚解剖结构.这有助于在后续任务中识别这些干扰信息,进一步提高超声心动图左心室分割模型的准确性和稳定性.其次,我们采用了三个代理任务,包括位置预测、旋转和着色.这三个任务在位置、角度和颜色三个维度上进行了充分的训练,以确保模型能够生成未标记数据的深层知识.在这个过程中,模型不仅获取了图像中左心室的信息,还借助超像素任务充分学习了图像中的亚解剖结构信息.然后,为了让模型充分学习各类图像信息,我们将模型的自生知识整合到三个代理任务中.最后,我们将代理任务中的参数传递给我们的下游任务,只需要微调下游模型就可以得到想要的分割效果.使用本论文中的模型对这批数据集进行训练、验证以及测试,达到了接近于全监督学习方法的分割效果,同时在实验条件未改变的条件下,与其他一些全监督和自监督方法进行对比,例如U-net、ACNN、BYOL等方法,我们模型的结果在Dice、MIo U、MAD(mm)、以及HD(mm)等指标上都优于其他方法,且在一致性分析和相关性分析上也取得了更好的结果.通过我们的结果表明,对于医学图像分割,所提出的方法优于需要手动注释进行训练的传统方法.
其他文献
太赫兹(Terahertz,THz)波由于具有带宽大、穿透性强、光子能量低的电磁特性,已成为当前物理学和生物学交叉领域的探究热点。超材料具有超常物理特性,可对太赫兹波的振幅和相位进行调谐,且对周围介电环境变化有灵敏反应。因此,结合太赫兹波谱和超材料传感技术可为物质进行定性、定量的检测提供崭新的途径。柠檬酸盐是由柠檬酸阴离子和金属阳离子结合形成的一类有机盐,由于其特殊的物理和化学性能,常用于食品添加
氮化镓高电子迁移率晶体管(GaN High Electron Mobility Transistor,GaN HEMT)的关键结构是以GaN材料为基础和拥有更高禁带宽度的三元化合物Al GaN形成的异质结。该异质结构因极化效应从而能够在异质结面产生高密度和高迁移率的二维电子气,但是也正因为其高密度二维电子气的存在,导致其在工作时沟道处会积累大量的热,引起器件温度的急剧升高,影响器件的性能。传统的漂
腿足结构给动物带来了极强的运动能力和对地形的适应能力,腿足结构的这些优势使得足式机器人在民用和军事领域具有巨大的应用前景。由于足式机器人是一种多输入多输出非线性的间歇欠驱动系统,所以足式机器人控制非常复杂,实现机器人的平衡与运动难度较大。针对足式机器人自主平衡和平稳运动十分困难的问题,本文在四足机器人步态策略、状态估计、支撑腿控制算法和摆动腿控制算法四个方面进行了设计与优化,实现了一种简洁高效的运
随着工业需求和深度学习的飞速发展,自然场景管线文字识别检测的需求迅速增加.为实现工业上的管线上文本的整理与分类,需要从大量的管线文本上识别相关信息,并于实物进行匹配,减少人员在管理方面所花费的时间.本文开发了一套管线文本的检测与识别系统.以实现能够快速方便的匹配和分类信息处理.本文的主要工作如下:1.针对管线文本数据集缺乏问题,目前并没有特定的自然场景管线文本数据集用来提供训练和检测,因此本文收集
薪酬体系管理是人力资源管理的重要课题,有效的薪酬体系管理,可以为企业挽留人才,并且激发好员工的巨大潜能,反之,则会增加人员流失率,进而降低企业发展所需的人力资源储备,最终阻碍企业的发展。在事业单位改制的背景下,如何使公司有限的工资总额发挥最大的作用,实现薪酬的降本增效,薪酬体系管理发挥着重要的作用。作为本文样本的S公司,是一家拥有700余人的研究所,主要从事电子类研究,随着市场竞争的激烈程度加深,
金属材料目前已广泛应用于桥梁、铁路、风机叶片等大型基础设施中。由于大多数设施暴露于室外环境,不可避免地会产生金属疲劳,导致其承载能力和可靠性下降。结构健康监测则是对该类结构的破坏部位进行检测和监测的技术。为了满足传感器大规模安装、组网灵活以及良好的可拓展性等需求,无线检测得到了快速发展。本文结合科研项目课题,紧跟无损检测技术以及无线传感网络的发展需要,以超表面透射阵列波束调控特性为切入点,对提高无
移动网络技术快速发展,5G因其能提供大带宽、低时延、广连接和高可靠的优质网络服务,而被广泛应用于众多垂直行业。其中,电力物联网(Power Internet of things,PIo T)是最为关键的典型应用之一,5G应用于PIo T场景可匹配典型业务并满足电力多样化需求。网络切片技术是5G在电力应用中的重要赋能技术,它可以把物理网络切分为几个逻辑独立、相互隔离和功能不同的虚拟子网,从而提供差异
从2013年开始,中国的电子商务行业蓬勃发展,截止2020年底,国内网络购物市场的年销售额在社会总销售额的占比达到21.9%,高达10.8万亿元。在人们普遍认知中,综合类第三方电子商务平台是京东和阿里形成主导的寡头垄断局面,综合类电商平台一直未出现能够与两者匹敌的后来竞争者。创立于2015年9月的拼多多却在阿里京东统治的电商红海里异军突起,仅3年取得了令人瞩目的光辉成绩,并完成了在美国上市。尽管拼
在互联网蓬勃发展的今天,线上广告、新闻、购物、娱乐等与人们的日常生活息息相关。但是,移动互联网产生海量信息,而人们浏览的信息量有限,如何在复杂多样的信息中挑选目标数据成为挑战。推荐系统通过引导人们购物、新闻浏览、娱乐成为了移动互联网的主流技术,提高推荐系统的精确性对解决人们的挑选困难成为重点关注的话题。为了提高系统点击率(CTR)预估的精确性,需要从庞大的用户历史行为记录中挖掘能指导模型预估点击率
无监督学习是机器学习领域中热门的研究课题,而聚类是该领域的典型方法之一,其主要任务是在无标签的条件下将数据分为多种不同类别。在大数据的时代背景下,数据从原本的单一视角过渡到了多个视角进行特征表示,称之为多视角数据。前述研究表明,多视角聚类得益于数据表征的全面性,可以取得更加优异的数据挖掘性能。基于张量分解的多视角聚类方法将自表示数据重构成高阶张量,并基于先进的张量核范数挖掘出数据的高阶信息与相关信