【摘 要】
：
CT图像的血管分割是计算机辅助治疗系统的重要组成部分。肝脏血管的精确分割是创建肿瘤外科规划工具和医学可视化应用的重要前提,并且肝内血管的形态和位置对肝脏手术具有重要意义。由于肝脏中的血管树复杂且高度交织,精确的分割肝脏血管一直是一项具有挑战性的任务。针对肝脏血管分割任务,提出了两个改进模型:（1）基于分散注意力2.5D UNet的肝脏血管分割算法。首先以UNet为基础结构,同时输入多张相邻的切片,
论文部分内容阅读
CT图像的血管分割是计算机辅助治疗系统的重要组成部分。肝脏血管的精确分割是创建肿瘤外科规划工具和医学可视化应用的重要前提,并且肝内血管的形态和位置对肝脏手术具有重要意义。由于肝脏中的血管树复杂且高度交织,精确的分割肝脏血管一直是一项具有挑战性的任务。针对肝脏血管分割任务,提出了两个改进模型:（1）基于分散注意力2.5D UNet的肝脏血管分割算法。首先以UNet为基础结构,同时输入多张相邻的切片,来模拟三维方式,增强二维模型对相邻切片间信息的利用;对于血管结构复杂交织的情况,通过增加Res Ne St模块来提高模型拟合能力,以提高分割效果;最后基于改进后的模型,使用级联的方式,将目标分两级分割出来,第一级分割出肝脏区域,第二级在肝脏区域分割出血管,以降低分割结果中假阳性占比。（2）基于特征重组再校准3D UNet的肝脏血管分割算法。首先减少3D UNet的下采样层数,来降低下采样造成的血管细节信息丢失的情况;其次加入了特征重组再校准模块,避免下采样层减少所带来的网络拟合能力下降的问题,并在通道与空间两个维度同时对血管与背景进行权重重置来提高血管信息在网络中的传播;最后在扩张路径中加入注意力机制,对特征图做整体约束,使模型关注区域集中在血管处。通过实验,将本文所提的模型与近期分割效果较好的二维、三维模型进行了比较。基于分散注意力2.5D UNet模型比UNet++等模型,在Dice指标上提升约1%～2%。特征重组再校准3D UNet模型在Dice指标达到64.80%,高于C2FNAS-Panc、UMCT等医学图像的三维分割模型。综上所述,本文所提模型能更好的分割出肝脏血管,具有十分重要的现实意义。
其他文献
雾霾事件的频发不仅对环境造成严重污染,还威胁着居民的身体健康。而硫酸盐的快速形成是决定我国细颗粒物爆炸性增长和严重雾霾事件频发的关键因素,其形成机制多样且复杂。最近的研究表明,黑碳也是雾霾期间气溶胶粒子中最关键的成分之一,其主要来源是化石燃料和生物质燃烧,可产生多种活性中间体,对硫酸盐的形成具有一定的催化作用。在本研究中,首先收集工业黑碳并制备不同种类的生物质黑碳。采用元素分析仪测定黑碳的碳、氢、
初中地理教学中，教师应重视情境教学的运用，根据课程的实际情况以及学生的学习特点以及进度制定相应的情境教学方案，促使学生将所学的知识与现实生活产生联系，以实现培养学生学科核心素养的目的。为此，本文基于学科核心素养，对初中地理情境教学提出一些实践建议，旨在提升初中地理教学水平，从而帮助学生更好地成长。
将层次分析法应用到中学地理情境教学效果评价中，构建了中学地理情境教学评价指标体系，对指标重要性进行排序，建立地理情境教学效果评价模型。以某高中地理教师一节公开课为例，进行情境教学效果综合评价，确定该节公开课的评价等级，并揭示中学地理情境教学中存在的问题，从而促进中学地理情境教学的改进和完善。
胰腺神经内分泌肿瘤是一种严重威胁人类健康的高度异质性肿瘤,其中约70%为非功能性胰腺神经内分泌肿瘤（NF-p NETS）。对于恶性等级较高的NF-p NETS患者,手术切除是临床上最有效的治疗方法;恶性等级较低的患者,药物治疗更加合适。因此,准确分级是NF-p NETS临床精准治疗的关键。目前临床上确定NF-p NETS等级主要基于对单模态影像数据的视觉评估,依赖于临床医生的个人经验和主观观察分析
脑胶质瘤是中枢神经系统最常见、死亡率最高的原发性肿瘤。低级别脑胶质瘤患者的五年生存率和十年生存率分别为70%和50%,中位生存期约为6.5至8年,然而高级别脑胶质瘤患者的中位生存期仅有14个月。由于不同级别的脑胶质瘤患者预后差异极大,医生需要针对不同级别的患者制定相应的诊疗策略。另外,准确地划分出水肿区域、增强肿瘤区域、坏死区域以及非增强肿瘤区域并尽可能的将其切除能极大地提高患者的生存率。本文针对
电池的储能能力使电动汽车参与智能电网调控成为可能,V2G（Vehicle to Grid）技术可利用大规模电动汽车接入电网的充放电来实现电网的削峰填谷、调频等功能。双向功率变换器作为V2G的核心技术,控制电动汽车与电网之间的双向功率流。传统控制方法下缺乏调频、调压能力,无法应对电网运行扰动。本文针对两级式双向AC-DC变换器,对虚拟同步机（Virtual Synchronous Generator
输电线路的参数辨识一直是电力系统调控分析的基础,实现准确而实时的电网线路参数辨识给电网系统的调度分析提供了很大的帮助,并且对电网的安全稳定运行具有重要意义。现有的电网线路参数辨识算法大部分都采用机器学习方法,但是这些机器学习方法存在一些不足的地方。首先,机器学习算法并没有考虑拓扑结构的约束,把各节点作为孤立节点分开考虑,对于全局节点的特征信息关注度不够,导致出现干扰和噪声时,预测的准确率大大降低的
印刷品表面缺陷会极大地降低印刷品质量,同时人工对缺陷的检测非常地耗时,所以高效自动地完成对印刷品表面缺陷的检测对印刷工业生产具有很高的价值。近年来基于深度学习的缺陷检测算法得到了很大的发展,其性能也远远超过传统算法。但是基于深度的检测方式需要大量人工标注的数据进行模型训练,然而在实际生产过程中,产品的次品率非常低,这就导致我们很难采集到足够数量的缺陷正样本进行模型训练。此外,对缺陷正样本的标注十分
无监督视频目标分割的旨在无需引导的情况下自动分离视频帧中的主要前景和背景,并输出像素级的精确分割。无监督视频目标分割在视频编码、场景理解等领域具有重要意义。随着深度学习的兴起,出现了大量基于卷积神经网络的无监督视频目标分割算法,并取得了重大进展和突破,但这些方法仍然受到复杂场景和模型计算代价的限制。本文从运动估计和外观信息出发,探讨了如何构建双流网络来解决上述问题。成果如下:目前流行的无监督视频目
单目深度估计任务是指从描述一般场景的单目图像中估算深度信息,在无人驾驶、三维图像重建、机器人导航、增强现实等方面有着广泛的应用前景。但是该任务是一个典型的不适定性问题,因为一个被捕获的图像可能对应着诸多的真实场景。主流的深度估计算法主要可分为两大类:有监督深度估计方法和无监督深度估计方法。其中无监督深度估计方法由于其相较于前者避免了费力的注释和额外的校准,已成为目前的研究热点。本文针对无监督深度估