【摘 要】
:
深度学习技术被广泛应用于医学图像分割领域,与传统医学图像分割算法相比在精度和实时性方面有一定的优势。其中结直肠息肉分割技术在结直肠癌的早期治疗中具有关键性作用,可以有效降低结直肠癌的发病率。由于结直肠息肉的大小、颜色和纹理各异,且息肉与周围粘膜的边界不清晰,导致息肉分割存在较大挑战。为了解决实际分割场景下存在的问题,本文分别以Deeplabv3+和Double UNet为基准网络提出了两种改进算法
论文部分内容阅读
深度学习技术被广泛应用于医学图像分割领域,与传统医学图像分割算法相比在精度和实时性方面有一定的优势。其中结直肠息肉分割技术在结直肠癌的早期治疗中具有关键性作用,可以有效降低结直肠癌的发病率。由于结直肠息肉的大小、颜色和纹理各异,且息肉与周围粘膜的边界不清晰,导致息肉分割存在较大挑战。为了解决实际分割场景下存在的问题,本文分别以Deeplabv3+和Double UNet为基准网络提出了两种改进算法,主要工作如下:(1)提出了一种针对不同数据集的数据预处理方法和一种针对分割结果的后处理方法。其中数据预处理方法包括结直肠息肉图像去反光方法和所有数据集的数据扩增方法,结直肠息肉图像去反光方法降低了结直肠息肉图像中反光区域对训练过程的影响,而数据扩增方法解决了医学图像数据集样本数较少的问题,单张图片通过不同图像处理方法能够扩增至26张不同图片;分割结果的后处理方法包括条件随机场和测试时数据扩增两种方法,实验证明本文提出的后处理方法能够精细化最后的分割结果,提高分割准确率。(2)提出了一种模型轻量化的结直肠息肉分割算法。该算法以Deeplabv3+网络为基准模型,通过使用轻量化骨干模型Mobile Netv2来进行特征提取,大大降低了模型的参数量和提高了模型的训练速度。此外,在编码器中引入BAM注意力模块以解决结直肠息肉图像中某些像素难以准确分割等问题。在Kvasir-SEG数据集和CVC-Clinic DB数据集上进行实验时,相较于基准网络Deeplabv3+,本文所提出的算法分割准确率更高,并且参数量少,训练所消耗时间更短。(3)提出了一种改进DoubleUNet网络的结直肠息肉分割算法。该算法首先在Double UNet网络的解码器部分引入注意力机制,并将网络中的空洞空间卷积池化金字塔(ASPP)模块替换为密集连接空洞空间卷积池化金字塔(Dense ASPP)模块,以提高网络提取特征的能力;最后为提高小目标的分割精度,提出利用Focal Tversky Loss函数作为本算法的损失函数。该算法在Kvasir SEG、CVC-Clinic DB、ETIS-Larib、ISIC、DSB数据集测试中的准确率分别为0.9530、0.9642、0.8157、0.9503、0.9641,而Double UNet算法在上述数据集的准确率分别为0.9394、0.9592、0.8007、0.9459、0.9496。实验结果表明本文算法相对于Double UNet算法具有更好的分割效果,可以有效地辅助医师切除结直肠异常组织从而降低息肉癌变的概率,并且能够应用于其它医学图像分割任务中。
其他文献
PM2.5是空气污染物中直径小于或等于2.5μm的可吸入肺部的悬浮颗粒,能破坏人体的呼吸系统、心血管系统、血液系统甚至为病毒的传播提供途径,因此PM2.5预测对于人类健康具有重要意义。PM2.5受工厂运作和人们交通出行等多因素影响具有非线性和不平稳性,导致PM2.5预测精度较低。现有的PM2.5预测模型大多未考虑与PM2.5相关的PM10,CO等多变量输入之间的相关关系特征提取,难以保证PM2.5
随着道路交通的发展,汽车的种类越来越多元化,混合车型组成的车流已经对道路和交叉口通行能力产生制约和影响;同时人们为了日常交通服务的便利使用二轮车出行的频率越来越高,导致二轮车对道路交通产生干扰的现象频繁发生,尤其是严重干扰信号交叉口机动车的行驶并使通行能力下降。为改善以上交通问题本文关于道路和交叉口通行能力的研究围绕混合机动车型展开,同时在分析交叉口通行能力的过程中考虑到二轮车干扰的因素。首先针对
我国生猪养殖行业长期呈现低水平、散户化、周期性特征,随着非洲猪瘟暴发、环保政策趋严,我国生猪养殖行业去散户化进程加快,落后产能不断淘汰,规模化、专业化、集中化生产经营成为发展趋势。行业全产业链经营模式成为企业的发展方向,行业集中度持续提升。散户化导致生猪养殖行业存在明显的“周期性”,“周期性”特征不仅不利于企业健康发展,同时,也缺少有效地抵质押物,与金融信贷产品特征不匹配,难以获取中长期信贷产品。
磁悬浮技术使物体悬浮避免与接触面摩擦,具有节约能源、延长设备使用年限等优点。但磁悬浮系统具有时滞性、非线性以及不确定性等特征,若根据系统模型设计控制器,当系统因外界环境影响造成参数改变时,会导致控制系统性能变差。因此,研究一种实用、可靠的控制系统是磁悬浮技术运用到实际生活中的关键。针对磁悬浮球系统的非线性,以及小球悬浮过程中可能受到不确定扰动等问题。本文采用自抗扰控制技术对磁悬浮球系统的不确定扰动
近几年来,随着计算机视觉和人工智能的快速发展,自动驾驶和辅助驾驶技术开始进入大众视野,这其中的一个重要板块便是行人检测技术,因此该技术也成为了国内外众多学者关注的研究内容之一。完善的行人检测技术可以有效减少交通事故发生的几率,增加了行车的安全性,保护人们的生命财产安全。目前实现对道路场景中的行人检测面临着许多挑战:道路场景中的行人所处的环境复杂,场景中包含多种类别的物体;行人姿态各异,运动状态也不
皮肤癌严重威胁着人类的身心健康,早期皮肤病的诊断对于患者的治疗至关重要,借助医学图像分割算法精确提取病灶区域对于临床诊断具有重要价值。传统的图像分割算法需要依靠人的先验知识进行特征筛选,算法鲁棒性较差,而基于深度学习的算法具有很强的自学能力,可自适应地学习图像中的复杂特征,在皮肤病灶分割任务中有效提升了分割精度和速度。针对皮肤病灶区域中纹理和颜色等同质化特征较多,造成分割结果与标签偏差较大的问题,
内河航运具有船舶种类多、船只密度大、随波起伏、水雾影响、岸桥环境复杂等特点。要保障内河航运的安全、高效运行,必须建立先进智能的航运管理体系,而对船舶目标的快速、精确检测和有效跟踪是智能化航运管理体系的基础和关键技术,其研究对提高船舶的智能驾驶和管理部门的管理水平具有重要意义。传统的船舶目标检测算法在复杂的内河航道上鲁棒性较差、检测精度弱、耗时多,不能满足船舶的智能航行管理需求。近年来,随着深度学习
磁悬浮技术是我国交通强国战略的重要组成部分。目前,我国中低速常导磁浮技术逐步成熟化,但悬浮模块的能耗始终居高不下。相比常导磁悬浮技术,永磁电磁混合悬浮技术具备了显著的节能低碳优势。但永磁材料的磁场属于一种非线性静态衰变场,加之实际工程应用中时常面临扰动突变以及设备老化等问题,因而对于混合悬浮系统的抗扰动能力与控制精度要求极高。传统控制算法大多依赖于精准的被控对象或扰动量模型,对复杂环境下的非线性、
随着“碳达峰、碳中和”战略目标的提出,新能源汽车产业成为研究热点。锂离子电池作为新能源汽车上的动力源,对新能源汽车发展具有重要意义。因生产制造上的差异,电池组中的电池在使用过程的性能差异逐渐增大,影响新能源汽车的续航里程,所以需要电池管理系统(Battery Management System,BMS)对电池进行监测和控制。BMS中,荷电状态(State of Charge,SOC)的估计可以帮助
针对传统永磁同步电机气隙磁场难以调节,恒功率调速范围窄等问题,本文提出了一种可控漏磁反凸极永磁同步电机(Controllable Leakage Flux Reverse Salient Permanent Magnet Synchronous Machine,CLF-RSPMSM)。该电机在具有高功率密度、低退磁风险和高效率等诸多优势的同时,还能利用交轴电流来控制支路漏磁通的大小,从而间接调节气