【摘 要】
：
舌体分割是智能医学诊断的重要组成部分，其目的是通过分割舌诊图像生成精准的舌体轮廓。近年来，深度学习方法在图像处理领域得到了广泛的应用并取得了较好的结果。随着医学图像分割对性能的要求越来越高，许多研究人员将深度学习运用到舌体分割中。主要对基于深度学习的舌体分割方法研究现状进行分析梳理和归纳总结。在舌体分割应用领域中，以各种深度学习方法作为研究对象，将基于深度学习的舌体分割方法划分为卷积神经网络、全卷
论文部分内容阅读
舌体分割是智能医学诊断的重要组成部分，其目的是通过分割舌诊图像生成精准的舌体轮廓。近年来，深度学习方法在图像处理领域得到了广泛的应用并取得了较好的结果。随着医学图像分割对性能的要求越来越高，许多研究人员将深度学习运用到舌体分割中。主要对基于深度学习的舌体分割方法研究现状进行分析梳理和归纳总结。在舌体分割应用领域中，以各种深度学习方法作为研究对象，将基于深度学习的舌体分割方法划分为卷积神经网络、全卷积网络、卷积模型与图形模型、基于编解码器的模型、基于区域卷积网络模型、扩张卷积模型结构、迁移学习以及其他
其他文献
甲状腺癌的发病率近些年来不断上升，早期确诊甲状腺结节可以有效降低甲状腺癌死亡率。超声检查通常做为甲状腺医学成像的首选方案，本文根据近些年国内外发表的相关文献系统概述了卷积神经网络（Convolutional Neural Network,CNN）针对超声图像的甲状腺结节诊断算法，主要内容包括CNN在甲状腺结节的病灶区域提取、良恶性分类以及钙化点识别三个方面的应用。各算法的基本设计思想、网络架构形式
本文从学科领域入手，对指纹自动识别技术在发展过程中受人工智能技术影响所产生的新变化进行简述。指纹识别技术作为一种计算机应用技术，其发展与计算机科学的新技术密切相关。人工智能技术，特别是基于深度学习的图像技术的发展使指纹识别算法开启了全新的模式。本文将人工智能在指纹领域的发展分成三个阶段，并对当前所处的第二阶段的发展趋势进行了分析。基于深度学习的指纹识别技术使用图像特征而不是传统细节点特征的方式，改
针对γ辐射环境下COMS图像传感器所获场景图像中存在斑块噪声的问题，提出了一种基于视频时序相关特性的γ辐射场景图像噪声去除方法。先根据γ辐射场景视频时序相关特性中的背景相关特性与前景噪斑的瞬态特性，使用帧差法与统计分析法从视频序列图像的残差中得到γ辐射场景图像中亮、暗噪斑的位置分布。然后通过依据CMOS图像传感器承受的累计辐照剂量所设计的帧数判断模型，得到对当前帧图像实现有效修复所需的临近帧图像，
利用X射线影像进行胸部疾病诊断是一种常用的诊断方法，具有重要的临床诊断价值。随着大规模可用数据集的发布，已经提出了几种方法来对胸部X射线影像上的疾病进行预测。然而大多数现有的预测模型大都仅考虑输入单个视图，忽略了多视图影像对于临床医生诊断的支持作用。此外使用单个模型进行影像特征抽取，存在有效特征提取不全的问题，进而导致疾病预测准确率较低。为此，本文提出了一种新的深度相关多级特征融合方法(DFFM)
视网膜血管的结构和形态是计算机辅助系统诊断眼科疾病的重要依据.针对细小血管分割精度低的问题,提出了一种融合残差密集模块与三端注意力模块的改进型U-Net算法.首先,将残差模块与密集模块相结合,充分利用每层的特征,提高网络提取细小血管特征的能力.在解码阶段引入三端注意力模块,利用空间注意力机制自适应地对特征进行空间校正,抑制背景噪声,突出目标区域.同时,通过多尺度特征融合的方式,利用高级语义特征改善
针对传统方法在室内场景目标检测中存在检测精度低、检测速度慢等问题，提出一种改进的YOLOv4算法模型。构建室内场景目标检测数据集，使用K-means++聚类算法优化先验框参数，提高先验框与目标的匹配度；调整原始YOLOv4的网络结构，将跨阶段局部网络结构融入模型颈部网络中，消除在特征融合阶段梯度反向传播时导致的梯度信息冗余现象，提高对室内目标的检测能力；引入深度可分离卷积模块，取代模型中原有的3×
针对小样本数据难以构建深度学习模型，以及实际工况下多尺度形态、颜色煤矸的识别率低的问题，提出了一种融合迁移学习思想与结构优化的煤矸深度识别模型的优化方法。模仿井下实际生产环境搭建机器视觉平台，采用CCD工业相机实时获取煤和矸石图像，利用图像旋转、翻转以及增加噪声方式扩展煤和矸石数据集的多样性。从降低模型训练时间出发，提出一种迁移权重&简化神经元(Transfer Weight-Reduce Neu
针对现有人群计数方法中大多采用卷积操作提取特征，空间多样性特征信息提取和传递能力不足的问题，提出一种Involution改进的单列深层人群计数网络。该网络以VGG-16为基本框架，引入Involution算子替代卷积操作，并辅以残差链接提高空间特征信息感知和传递能力；采用膨胀卷积保持分辨率的同时扩大感受野，丰富深度语义特征；利用联合损失函数监督网络训练，提高计数准确性和全局信息相关性。所提方法在公
建筑结构构件定位是自动化进度追踪的关键。现有研究成果中，监控对象都是简单的施工现场，而现今建筑的形式越来越复杂且以现浇混凝土结构为主。为了追踪这类建筑的施工进度，基于建筑信息建模（BIM）和计算机视觉（CV）技术，提出了一种从俯视视角对现浇混凝土建筑结构构件定位的方法。该方法首先使用目标检测技术从施工现场俯视图中识别处于施工状态的建筑结构构件；并利用相机成像原理将BIM元素投影到成像平面；最后通过
针对超声全聚焦成像算法中等声程线扩散产生的原理性伪影问题，提出了一种基于超声回波声场有效等声程线和图像强度分布特征相结合的伪影剔除方法。首先分析了全聚焦成像算法中等声程线产生伪影的机理，根据数据均方根误差自适应辨识有效等声程线；通过Canny算子获取全聚焦图像待处理候选区域，再根据候选区域中有效等声程线相交次数和图像强度的分布特征辨识缺陷图像和伪影，利用图像中强度最低像素值扩展填充剔除伪影后的区域