【摘 要】
：
胶质瘤是大脑和脊髓胶质细胞癌变所产生的、最常见的原发性颅脑肿瘤。从多模态MRI中对胶质瘤组织进行可靠的分割具有很重要的临床价值,但是由于脑胶质瘤本身及周边组织较为复杂以及浸润性导致的边界模糊等,导致对脑胶质瘤的自动分割有一定的难度。文中构建了使用融合损失函数的3D U-Net++网络来对脑胶质瘤的不同区域进行分割,该网络使用不同层级的U-Net模型进行密集嵌套连接,使用网络的4个分支的输出结果作为
【机 构】
：
太原理工大学信息与计算机学院,山西医科大学转化医学研究中心
【基金项目】
：
国家自然科学基金(81702449),国家重点研发计划(2018AAA0102604)。
论文部分内容阅读
胶质瘤是大脑和脊髓胶质细胞癌变所产生的、最常见的原发性颅脑肿瘤。从多模态MRI中对胶质瘤组织进行可靠的分割具有很重要的临床价值,但是由于脑胶质瘤本身及周边组织较为复杂以及浸润性导致的边界模糊等,导致对脑胶质瘤的自动分割有一定的难度。文中构建了使用融合损失函数的3D U-Net++网络来对脑胶质瘤的不同区域进行分割,该网络使用不同层级的U-Net模型进行密集嵌套连接,使用网络的4个分支的输出结果作为深度监督以更好地结合深层和浅层的特征进行分割,并结合了Dice损失函数和交叉熵损失函数作为融合损失函数来
其他文献
随着人工智能的发展,自动驾驶领域的研究也日益壮大。深度强化学习(Deep Reinforcement Learning,DRL)方法是该领域的主要研究方法之一。其中,安全探索问题是该领域的一个研究热点。然而,大部分DRL算法为了提高样本的覆盖率并没有对探索方法进行安全限制,使无人车探索时会陷入某些危险状态,从而导致学习失败。针对该问题,提出了一种基于动作约束的软行动者-评论家算法(Constrained Soft Actor-critic,CSAC),该方法首先对环境奖赏进行了合理限制。无人车动作转角过大
针对立体匹配中不适定区域视差边缘模糊、视差不平滑、单个物体视差不连续、存在空洞的问题,提出了一种轻量化的实时双目深度估计算法,将场景图、通过语义分割得到的语义标签图和通过边缘检测得到的边缘细节图作为辅助损失,以地面真值图为主要损失,构造了联合损失函数,以更好地监督视差图的生成。此外,构造了一个轻量化的特征提取模块,以降低特征提取模块的冗余性,从而更好地简化特征提取步骤,提高了网络的实时性和轻量性。
SLAM(Simultaneous Localization and Mapping),即同时定位与地图构建,目前被广泛应用于机器人领域。SLAM算法使得机器人处于陌生环境时,能够通过自身搭载的传感器来感知环境信息并建立环境地图,并完成对自身位姿的计算,从而能够在未知环境中进行移动。随着研究者们对SLAM问题的深入研究,SLAM领域相关成果已非常丰富,但是有关室内场景SLAM的论述还不够系统。通过
数据治理是组织机构数字转型和数据管理的基础.如何有效利用计算机科学与技术推动数据治理实践,进而提升数据治理活动的智能水平是一个值得研究的新课题.在技术层面,智能数据治理需要解决大数据质量的实时分析与控制、数据治理模型和算法的可解释性、数据驱动型大数据治理技术、大数据治理中的实时分析与洞察、面向智能数据治理的知识图谱自动生成与动态维护、数据交换及共享、数据规整化及数据准备、数据集成与融合以及大数据的安全保障与隐私保护等核心问题.然而,现阶段的大数据治理技术尚未成熟,亟待在上述问题的研究中取得突破性进展.
人脸图像修复技术是近年来图像处理领域的研究热点,而人脸图像大面积缺失导致损失语义信息过多,一直是该领域的重点难点问题。针对这一问题,文中提出了一种基于生成对抗网络的图像分步补全算法。将人脸图像修复问题分为两步,设计两个串联的生成对抗网络,首先残缺图像通过预补全网络进行图像的预补全,预补全图像进入增强网络进行特征增强;判别器分别判断预补全图像和增强图像与理想图像的差异性;采用长短时记忆单元连接两部分
网络的负载均衡性和响应时延是视频监控对等网络重点关注的问题。文中提出了一种基于有限负载一致性哈希的P2P视频监控网络分层管理机制。首先根据节点地理位置将P2P视频监控网络划分为不同的自治域,自治域内分为一层超级节点和多层普通节点,采用节点上行带宽与每条视频传输通道所需带宽的比值作为节点负载上限,当上层节点总负载量到达上限后进行分层,每一层节点均被映射到一个hash环上,并使用CHBL算法控制层内节点的负载均衡。然后采用独立信息数据波动赋权法计算出节点的各指标权重,通过线性加权得到节点综合价值,当节点脱离网
【摘要】 本文的主旨为深入分析“互联网+”时代信息技术课程价值，以期为学生提供新的技术与工具，提升学生的信息化素养。以文献探究为理论基础，通过本文分析可知，应从提升信息技术教师的专业素养、建立健全的信息技术教学机制、加强信息技术课程的教学实践活动等几方面入手，有助于充分发挥信息技术课程的重要价值，提高信息技术教育的有效性。 【关键词】 互联网+时代 信息技术课程 价值 引言： 随着新
随着运输技术的快速发展,铁路已成为人们出差、度假、探亲时选择的主要出行方式之一。与此同时,旅客共同出行(以下简称同行)的行为特征也越来越普遍。依据旅客间的同行关系,可以构建同行关系网络;而对该网络中潜在的链接进行预测,将有助于提供个性化的服务和产品。为此,文中提出一种原创的方法,用于在旅客同行关系网络中发现潜在的同行关系。首先对传统的图模式关联规则进行扩展,提出了两类“同行图模式关联规则”,用于预测新的同行关系和未来的同行频次。然后,将上述规则挖掘计算的问题分解为频繁同行模式挖掘、规则生成以及关联分析3个
针对协同表示分类器(CRC)计算时间复杂度较高的问题,利用重构系数的大小与样本标签之间的正相关性,提出了局部快速协同表示器并用于人脸识别。首先使用最小二乘法求解L2范数约束下的线性回归问题;然后对重构系数进行筛选,舍弃对分类不利的负重构系数;最后抛弃原CRC算法中的样本重构环节,转而使用最大相似性准则确定测试样本所属分类。该方法利用样本的局部相似性,使识别率得到了一定的提升。同时该方法无需样本重构
当前,计算机与网络技术的发展,对于计算机智能化图像识别技术的发展带来良好的条件,我国计算机图像识别技术获得了飞速发展,但与发达国家相比还存在很多不足。在很多企业中,无法熟练的应用计算机智能化图像识别技术,这项技术的推广也存在难度,使得人们无法快速有效的获取信心,帮助企业在重大决策中提供依据。因此,智能化是计算机图像识别未来的发展想象,应不断提升这项技术的价值,满足行业的标准。本文主要结合计算机智能