【摘 要】
：
目前的医疗影像任务中,磁共振（Magnetic Resonance,MR）图像的获取存在价格昂贵和耗时长的问题,需要借助技术手段获取多对比度MR图像,如今通过深度学习算法研究磁共振图像的合成以提高诊断效率成为一个炙手可热的话题。随着生成对抗网络（GAN）在近年来的图像处理领域中发挥了重要作用,本文主要将结合生成对抗的方法研究不同对比度磁共振图像的合成。现有的一对一MR图像合成方法中,多数只关注图像
论文部分内容阅读
目前的医疗影像任务中,磁共振（Magnetic Resonance,MR）图像的获取存在价格昂贵和耗时长的问题,需要借助技术手段获取多对比度MR图像,如今通过深度学习算法研究磁共振图像的合成以提高诊断效率成为一个炙手可热的话题。随着生成对抗网络（GAN）在近年来的图像处理领域中发挥了重要作用,本文主要将结合生成对抗的方法研究不同对比度磁共振图像的合成。现有的一对一MR图像合成方法中,多数只关注图像整体,而局部细节被忽视,各类衍生的生成对抗式的深度学习方法在MR图像合成领域基本能获得看似完整的图像,但实际上存在边缘模糊或是分辨率较低的问题,且对抗性目标函数的训练易出现崩塌现象。本文以条件生成对抗网络（CGAN）和Cycle GAN两种方法为基础,针对存在的合成图像模糊和训练不稳定问题,进行多对比度MR图像的合成研究,主要开展了以下研究工作:（1）提出一种基于边缘信息保留的多对比度MR图像合成方法,以CGAN提出的方法为指导进行多方面的改进和创新。首先,该方法的生成器被重新定义为由多个串联的编解码器组成的结构,加强网络的深度能够发掘更多的维度特征;其次,该方法使用图像的边缘特征信息进一步促进合成图像内的组织或结构边缘的完整性;最后,采用Patch GAN结构的判别器与谱归一化约束相结合稳定训练过程。结合以上的方式,并通过添加正则化器减少泛化误差,提高多对比度图像的合成效果,获得高清晰度的图像。实验结果表明,基于边缘信息保留的方法在Bra Ts2018和IXI数据集上具有良好的性能。（2）提出一种基于双向生成的多对比度MR图像合成方法,该方法使用成对的图像在图像层面上以端到端的方式运行,采用循环生成方式将给定对比度的MR图像转换为另一种对比度的MR图像。通过双向生成学习非线性映射,在获取图像特征的同时,采用扩展感受野的卷积模块（ECM）增强邻域信息的获取;另外,提出内容增强网络进一步捕捉图像细节信息。实验结果表明,双向生成网络在SSIM和PSNR指标上具有良好的表现。
其他文献
随着教育信息化的发展,学生可获取的教育资源数量逐渐增多,多维教育、在线学习等学习途径日益普及。而如今面对海量的学习资源学生群体难以迅速找到满足自身个性化需求的学习资源,因此在教育领域研究人员也开始应用基于人工智能的个性化推荐技术实现智能教育时代的“因材施教”。教育推荐系统可以充分分析学生的历史数据,获取学生的隐性学习偏好并由此向学生推荐满足其个性化需求的学习资源。就目前现有研究分析,以往的推荐方法
智能化转型升级正在成为酒店业发展的新趋势。然而，很多酒店进行智能化转型升级并没有带来所预想的效果，反而面临着诸多的困境。虽然酒店在硬件设施上进行了智能化改造，但酒店的服务流程并未升级、人员服务模式并未转型、组织结构和人员配备未调整、培训内容未优化等，还是沿用了未转型时的模式。要突破智能化转型升级的困境，酒店需要在组织管理和人力资源管理等方面做出相应的调整，如要基于顾客满意的人机协同合作服务设计理念
The existence of deep learning’s "black box" makes it difficult to understand how the algorithms analyze patterns and make image-level predictions.A representation of the pixels contributing the most
由于环境光线昏暗或者设备自身问题,会导致获取的图像亮度较低,不仅影响人类视觉体验,还会制约以高质量图像为输入的计算机视觉应用性能,如目标检测、人脸识别等。与一般暗光环境下低照度图像增强研究相比,实现在复杂光照环境下低照度图像增强研究,要在考虑平衡不均匀光照问题的同时,还要考虑图像清晰度、噪声干扰等问题,这是具有挑战的。本文将对目前的低照度图像增强方法进行分析,并提出相关的改进方法。本文具体研究内容
在互联网和信息科技高速发展的今天,人们已经能够随时凭借各类社交网络平台和电子商务平台发布自己的观点和想法。这使得互联网中涌现出海量的文本数据,这些评论文本中大都包含着情感信息,分析文本中蕴含的情感并提取出其中有价值的信息对于企业、政府乃至社会都有着重大的研究价值。基于此,文本情感分析成为了最受学者们关注的领域之一。传统的情感分析任务是在文档或句子级别上进行的,通常只能粗糙地表达出一个整体的情感极性
随着影视行业的发展与渲染技术的进步,高质量的作品也大量涌现。画面是检验一部好作品的重要依据,而这些画质背后是各种渲染技术的支撑。渲染就是通过计算机对现实世界进行模拟,再用算法把场景中的模型、材质和灯光绘制成图片或者视频。在绘制一些比较复杂的场景时,由于光线在场景中传播的递归性,一些渲染算法在绘制的过程中会有较大的时间代价或者偏差。存在于现实世界中的云、烟雾、蒸汽等半透明状的物质在图形绘制领域一般被
在许多实际应用的领域中,许多过程都可以用正系统来建模。正系统意味着只要初始状态和输入是正的,则输出和状态变量总是非负的。当正系统具有一定的切换规则并且系统的动力学在不同的时间间隔内被不同的正子系统控制时,该系统被称为切换正系统。切换正系统在网络拥塞控制、信息科学、医学和神经网络等领域都发挥着极其重要的作用,因此,研究切换正系统是非常有益的。但是同样也会遇到挑战,当切换后的正系统遇到脉冲时,系统的状
当前我国汽车保有量大，停车难成为急需破解的民生问题。随着大数据的产生与不断发展，建立智慧停车系统成为解决传统停车问题的有效手段。而县城是我国城镇体系的重要组成部分，县城停车问题又具有一定的独特性，文章立足于县城停车现状，针对县城停车特有问题，以温州市苍南县城新区为例，研究县城智慧停车系统建设方案，因地制宜选取技术手段并配套完善的管理制度与保障体系，缓解县城交通拥堵，提升停车位资源利用率，推进县城数
癌症亚型的识别对个性化医疗的应用具有重要意义。它致力于使用无监督聚类方法将癌症患者划分为不同的亚型,并为后续的治疗方案提供有价值的参考。近年来,随着测序技术的快速发展,其产生的丰富的多组学数据为在整体水平上发现癌症亚型带来了前所未有的机遇。然而,由于测序技术的限制,组学数据中往往包含大量的噪声。此外,尽管测序成本在不断下降,但仍然难以覆盖大量的样本,这使得目前的组学数据大都呈现出高维小样本特点,并
跨模态由文本生成图像是大数据人工智能领域的重要研究课题,其发展推动了跨视觉和语言的多模态学习和推理的研究进程,是近年来最活跃的研究领域之一,在诸多行业有着广泛应用,如艺术生成、游戏引擎和计算机辅助设计等。根据自然语言描述生成与之语义匹配的图像是一个复杂的计算机视觉和机器学习问题,近年来取得了很大的进展。然而,目前大多数由生成对抗网络辅以语义约束的图像生成网络仅提高了图像的视觉真实性和语义一致性,而