【摘 要】
:
图像配准和图像分割是医学图像处理中的两项关键技术,在疾病诊断、手术导航、疗效评估等实际医疗场景中发挥着非常重要的作用。传统的医学图像配准和人工分割耗时较长,且对医生的专业水平要求较高。随着医学图像种类和数量的激增,医生的工作负担显著增加,从而导致漏诊和误诊的现象发生。近些年来深度学习的快速发展,吸引了越来越多的研究人员将深度学习引入医学图像配准和分割任务中,利用计算机来辅助医生进行诊断,提高医生的
论文部分内容阅读
图像配准和图像分割是医学图像处理中的两项关键技术,在疾病诊断、手术导航、疗效评估等实际医疗场景中发挥着非常重要的作用。传统的医学图像配准和人工分割耗时较长,且对医生的专业水平要求较高。随着医学图像种类和数量的激增,医生的工作负担显著增加,从而导致漏诊和误诊的现象发生。近些年来深度学习的快速发展,吸引了越来越多的研究人员将深度学习引入医学图像配准和分割任务中,利用计算机来辅助医生进行诊断,提高医生的工作效率。本文对现有医学图像配准和分割算法中存在的不足进行分析和研究,并基于深度学习技术提出了相应的改进方法。在医学图像配准任务中,由于不同模态的图像信息(如灰度、纹理)有着明显差异,导致卷积神经网络在多模态图像配准时不能很好地直接从原图中捕捉空间位置对应关系。为了解决这一难题,本文提出了基于边缘特征的无监督多模态图像配准模型,采用改进的Canny算子同时对图像的横截面、矢状面和冠状面三个方向提取边缘特征,利用边缘信息指导全卷积网络学习多模态图像配准。本文使用该模型对刚性数据集和非刚性数据集进行配准,Dice相似系数分别达到了 97.3%和97.5%,证明了本文所提方法的有效性。在医学图像分割任务中,经典的U-Net模型已经被广泛应用,但是构成其网络结构的卷积算子具有一定的局限性。为了解决这一问题,本文提出了两种改进方法。针对卷积算子不能有效捕捉空间特异信息的问题,本文将Involution算子融入U-Net结构提出了 InvResUNet,增强了模型对空间信息的建模能力。对于卷积算子缺乏建立长距离像素间关联信息的能力,本文将自注意力机制与U-Net结构结合提出了ST-UNet,加强图像中不同像素点的信息交流,从而为模型提供更为精确的分割信息。本文在公开数据集BraTS 2015和BraTS 2020,以及北京301医院提供的胶质瘤和脑膜瘤数据集上评估了 InvResUNet和ST-UNet网络的分割性能。其中,在Bra TS 2020数据集上,针对整个肿瘤区域,InvResUNet和ST-UNet的Dice相似系数分别达到91.8%和91.1%,相比于U-Net提升了 19.1%和18.2%。充分验证了本文所提模型的可靠性和优越性。
其他文献
本文研究了通信系统中满足用户服务质量需求时的最小化功率分配策略优化问题。在高可靠低时延通信场景下,假设接收端与发送端不知道信道状态信息时,对端到端的单天线瑞利块衰落信道模型进行研究。本文采用有限块长编码率(Finite Block Length,FBL)保证时延约束;采用具有一轮重传的增量冗余混合自动重传机制(Hybrid Automatic Repeat request with Increme
近年来,远程直接内存访问(Remote Direct Memory Access,RDMA)和非易失性内存(Non-Volatile Main Memory,NVMM)被大量应用于分布式系统中。随着RDMA和NVMM支持的存储与访问性能不断增长,传统的锁管理机制开始暴露出开销高的问题。结合RDMA原子取和加(Fetch and Add,FA)原语和面包店算法的锁机制可以在保证数据一致性的同时,降低
随着信息物理系统的不断发展,服务数量日益增长,有许多服务都提供了相同的功能,如何在这些服务中为用户选择出合适的服务成为了当前热点研究的问题之一。本文基于用户与服务的时空信息提出了基于域感知因式分解机(FFM)的推荐模型(LBFFM)以及基于长短期记忆网络(LSTM)的混合推荐模型(LSTM-HPLT)以满足信息物理系统中用户调用服务的不同场景。首先,本文针对用户调用服务时产生的冷启动问题,构建了基
随着互联网5G时代的到来,军工通讯行业也变得越发成熟,竞争也比往年更加激烈,企业依靠自身内在增长的步调放缓。市场竞争环境之激烈,使得企业间加快了整合步伐,存在部分企业选择采取并购方式来获得迅速发展。企业取得协同效应是判断企业并购成功的依据之一,但真正并购成功的案例只是少数,并购失败的案例相对较多。因此,关注和研究军工通讯企业的横向并购活动就变为一个很迫切的问题。本文首先回顾了整个并购交易的背景、动
目前目标检测领域已有诸多研究,算法也层出不穷,如:R-CNN(RegionCNN)、YOLO(You Only Look Once)、SSD(Single Shot Multi Box Detector)等,但这些算法的小目标检测效果却难以尽如人意。同时,卷积神经网络的计算密度大,所以对于实时目标检测,研究如何利用硬件加速运算显得尤为重要。本文将算法移植到目标板上,使用目标板上硬件单元加速计算,并
随着云计算、物联网、大数据等信息化技术的快速发展,人们对网络终端设备的依赖性日益增加,社区、企业、学校等场景下的网络数据环境日益复杂。由于缺乏对网络数据的监控与管理,诸如数据泄露、DDo S攻击、家用摄像头入侵等网络安全问题日益凸显。目前,基于软件层面的传统网络数据监控与管理方案具有处理能力、处理时延、资源消耗等方面的局限性。结合应用场景与项目需求,本文自主设计并实现了一套基于FPGA的网络数据管
随着经济的日益发展,无人驾驶在汽车驾驶中的地位越发重要,在无人驾驶中车辆进行各种驾驶决策的关键一环是道路检测。然而现有的应用于道路检测的多模态数据融合方法由于未能降低LiDAR点云数据之间的距离,导致在道路检测中会出现检测过程时间开销大的问题。本文通过将LiDAR点云数据和视觉图像数据两种异源数据通过球面坐标变换进行数据级融合,并使用改进的SegNet进行道路检测,以此实现一种高精度低时延的道路检
厌氧膜生物反应器(anaerobic membrane reactor,AnMBR)作为一种应用广泛的有机固体废物处理工艺,利用有机物产生沼气的同时实现剩余污泥的减量化,在技术和经济上具有很大的优势和前景。目前,AnMBR在实际应用中面临诸多技术难题,如厌氧消化性能低、消化残渣处理难、膜污染严重等。共消化是一种简单高效处理有机固体废物的技术,在提升厌氧消化性能、缓解膜污染等方面有极大的应用潜力。基