【摘 要】
:
医学图像分割是计算机视觉和医学图像分析的重要研究方向,在临床辅助诊疗中有着重要的应用前景。其中肝脏肿瘤分割与胰腺分割问题是所有医学图像分割中的难点。原因在于肝脏肿瘤与胰腺都是腹部CT中的小目标。肝脏肿瘤平均体积在整个腹部CT中所占的体积比例不到万分之一。并且,肝脏肿瘤内部结构的多变造成其纹理特征不稳定,从而加剧了其分割难度。胰腺作为人体正常器官,其分割难度虽不及肝脏肿瘤,但它作为腹部最小的脏器之一
论文部分内容阅读
医学图像分割是计算机视觉和医学图像分析的重要研究方向,在临床辅助诊疗中有着重要的应用前景。其中肝脏肿瘤分割与胰腺分割问题是所有医学图像分割中的难点。原因在于肝脏肿瘤与胰腺都是腹部CT中的小目标。肝脏肿瘤平均体积在整个腹部CT中所占的体积比例不到万分之一。并且,肝脏肿瘤内部结构的多变造成其纹理特征不稳定,从而加剧了其分割难度。胰腺作为人体正常器官,其分割难度虽不及肝脏肿瘤,但它作为腹部最小的脏器之一,其分割同样面临目标过小,纹理边缘不清晰造成的分割困难等问题。由于肝脏肿瘤和胰腺是CT图像分割问题中的难点,并且其面对的困难以及科学问题具有高度的代表性,故本文将这两类分割任务为例讨论CT图像分割。目前,针对肝脏肿瘤与胰腺的分割问题,最常用的解决方案为级联方法。本文中,主要针对腹部CT中的肝脏肿瘤与胰腺的分割,以级联方法为基础提出一系列改进方法,改善这两类目标的分割精度。首先,针对肝脏肿瘤的分割任务,本文提出了一种融合了深度监督机制与级联分割方法的级联深度监督(Cascaded Deeply Supervised,CDS)CNN模型。该模型借助深度监督模型多个子网络的输出,在单一网络中实现了级联分割流程。CDS模型能够自适应地将肝脏内的像素分配给不同深度的子网络进行分类。最浅层的子网络负责将大部分最容易的像素分类,包括肿瘤像素及正常肝脏像素。而更深层的子网络则负责对浅层子网络无法可靠分类的像素进行进一步的分类。利用这样的级联像素分类机制,将肝脏内部的像素从简单到困难,从子网络的浅层到深层,逐步完成所有像素的分类。CDS模型的优势在于,能够有效地抑制肝脏内部肿瘤体积过小造成的欠分割问题,从而提升肝脏肿瘤分割的精度。第二,在胰腺分割的任务中,本文针对普遍使用的“先定位后分割”框架(Locate And Segment,LAS)的不足,提出了新的“先分割后取出”(Segment And Pickup,SAP)框架。SAP框架包含两个独立的胰腺分割网络。第一个是胰腺精确分割网络,仅学习对胰腺附近区域内的像素进行分类。该网络能够精确分割胰腺,但容易错分远离胰腺的像素。第二个是种子网络,负责学习对完整CT中所有像素进行分类,它虽不会错分远离胰腺的像素,但容易欠分割胰腺。SAP框架使用区域生长方法,以种子网络的分割结果为生长种子,在分割网络的分割结果中取出精确的胰腺分割结果。SAP的优势在于,它综合了两个独立网络的优点,最终的分割结果比任何一个单独网络更精确,更重要的是,优于通常使用的LAS框架的分割结果。第三,SAP框架虽然能够得到精确的胰腺分割结果,但需要独立训练两个分割网络,故训练时间长,不利于模型的快速迭代优化。本文进一步提出了一种自取出深度监督(Self-Pickup Deeply Supervised,SPDS)模型。该模型在一个网络中能同时实现分割网络与种子网络的功能,并且能够达到SAP中双网络的胰腺分割精度。同时,本文提出了针对SPDS网络训练的双重训练(Dual Training,DT)方法,能够在一次训练过程中使SPDS网络同时具有“靠近胰腺精确分割”与“远离胰腺无误分割”两项优势,显著地提升了网络训练效率。最后,本文还提出了可扩张卷积神经网络(Expandable Convolutional Neural Networks,ECNN)模型,用于解决三维复杂网络训练困难的问题。ECNN模型采可扩张卷积核(Expandable Convolution Kernel,ECK),在训练过程中采用多个尺度的训练数据分次级联训练网络模型。使用ECK的ECNN网络在级联训练过程中只使用标准的训练集,不需要使用额外的数据库对模型进行预训练。ECK能够加快网络的训练速度,此外,在不使用预训练模型的情况下ECNN网络模型胰腺分割性能更好。本文所提出上述的肝脏肿瘤和胰腺分割方法已分别在领域内标准公开数据集上进行了实验。实验结果证明,本文所提出的新方法能够提升肝脏肿瘤和胰腺分割的精度和效率,在与过去取得最好性能的方法进行比较时存在相当的竞争力,但未来在三维网络的应用以及大规模网络的优化方面仍存在改进的空间。
其他文献
壳体属于空间受力体系,因其跨度大、承载强、造型美观而受到青睐。一般而言,板被认为是受弯构件,而壳被认为是受压构件,这无非是希望壳体在设计载荷下产生弹性变形时壳板横断面上始终只有压应力而不出现弯矩,即希望壳体具有最佳的结构形态。然而,按现有设计方法设计的壳体,通常会存在弯矩甚至是拉应力。为此,研究者提出采用悬吊柔性材料的试验方法来创建具有最佳结构形态的壳体初始结构形状,即所谓的物理逆吊法。但由于受材
中国经济社会发展过程中,融资约束一直是制约企业发展的一个关键性因素,虽然自改革开放以来,中国政府为了完善金融市场进行了一系列改革,但是中国的金融市场仍不完善,资本市场融资约束现象仍然普遍存在。就中国而言,不仅存在一般意义上的金融抑制,而且还存在基于所有制性质的信贷歧视。与此同时,随着全球生产网络的不断深化,中间品贸易占全球贸易的比重越来越高,进口中间产品已成为中国进口商品的重要组成部分。对进口国而
本论文旨在揭示麦考密克制度法理论的内在构造与演变逻辑。大体而言,以“作为制度性事实的法律”和“作为制度性规范秩序的法律”为依凭可基本划分出前后两个理论时期,而如何展现前后之间的转换则不仅需要对这两方面内容分别予以考察,同时还需要深入揭示演变时的内在动因与详细过程;此外,由于制度法理论本身构成了法律制度主义的一个部分,因而本文的讨论就将从后者开始。具体而言,全文内容安排如下:引论部分着重说明了为什么
高功率轻量化机械传动系统是航空航天、武器系统、交通运输和制造装备等行业迫切需求的核心关键系统与装置。行星滚柱丝杠副因其具有高精度、大负载、高功率比、轻质量、小体积、低噪音和长寿命等优点而被广泛应用于航空航天、新能源装备、高精密机床、汽车、船舶与机器人等国家重点发展领域。行星滚柱丝杠在运动过程中是多点滚滑接触,大负载或者高速度的工况将带来温升大、磨损严重和寿命缩短等问题,已成为制约行星滚柱丝杠向高可
随着技术的发展,人工智能对人类的生产和生活产生越来越重要的影响。目前,我们虽然处于弱人工智能时代,但人工智能通过学习数据、执行算法已经可以生成新的技术方案,实践中也已经出现了人工智能生成发明实例。从发明创造成果的外在表现特征来看,人工智能生成发明与自然人发明并无明显的区别。随着深度学习、神经网络、自然语言处理等技术的发展,人工智能的“智能”程度越来越强大,不久的将来,人工智能可能会在短时间内生成大
谐波减速器因其具有传动精度高、承载力强、体积小、质量轻等优点,是空间机构、国防武器、工业机器人等高端装备的核心基础部件。在高端应用领域国产谐波减速器的可靠性寿命、精度保持性与性能一致性还与国际先进水平存在一定差距。而缺乏一套参数化、系列化,并可支撑实现标准化的谐波传动齿廓设计、分析与评价方法是上述问题的根本原因之一。论文针对谐波减速器系列化产品开发时的正向设计、分析与优化等问题,综合运用啮合原理、
目的基于美国食品药品管理局(FDA)不良事件(ADE)报告系统(FAERS)数据库挖掘2015—2021年奥拉帕利ADE信号,比较不同时间段挖掘出不良事件信号数量的差异,为合理进行不良事件信号挖掘提供参考。方法 采用报告比值比法(ROR)与比例报告比值法(PRR)对FAERS数据库2015年第一季度至2021年第二季度共26个季度奥拉帕利ADE进行数据挖掘,并按一定规则分组,比较各组挖掘结果差异。
杂原子取代炔烃是一类特殊的炔烃,是指炔键直接与杂原子相连的一类炔烃。相比于普通炔烃,由于杂原子与碳原子有电负性的差异,杂原子取代炔烃一般会表现出更高度极化的三键,因此其化学反应活性会相对较高,通常可以实现廉价金属催化,而且在接受亲核试剂进攻时可实现区域选择性的逆转,更重要的是杂原子取代炔烃中的杂原子往往可以引入到目标杂环化合物中,实现有用杂环化合物的多样性合成。因此杂原子取代炔烃的研究在近十几年来
天然产物全合成可以解决稀缺天然产物的来源问题和提供结构多样的天然产物衍生物,因而在创新药物研究中占有重要地位。以具有重要生物活性和复杂化学结构的生物碱为研究对象,本论文发展了新型骨架构建方法和合成策略,以此为基础,完成了5个sarpagine型吲哚生物碱、3个koumine型吲哚生物碱和2个hetidine型C20-二萜生物碱的不对称全合成。论文包含如下两部分:第一部分:Sarpagine和kou
我国在商标权取得上秉持着商标注册的基本原则,商标法以商标注册为基础建立起整个制度。在此种商标法律框架下,我国未注册商标以法益属性存在,并具有以商标法上未注册商标法益和反不正当竞争法上未注册商标法益为主的法益内容。深入研究我国与未注册商标法益相关的法律规定发现,我国在未注册商标法益设置方面存在着一些问题,不仅不能有效保护未注册商标所有人通过商标使用所获得的利益,还在一定程度上刺激了实践中频频发生恶意