【摘 要】
：
作为消化系统最常见的疾病之一,急性胰腺炎的医学影像仍使用简单的手工特征进行分析,效率与精度较低,与其危害性并不相称.由于胰腺的解剖变异性以及各种并发症,急性胰腺炎的影像表现复杂,不同患者不同种类的病灶差异大,基于CT影像的急性胰腺炎诊断难度较大.本文提出一种基于双重注意力网络用于诊断急性胰腺炎,该网络使用全局特征为不同阶段的局部特征生成局部注意力特征,使不同阶段的注意力特征关注不同尺度的病灶,最终通过融合对全局注意力特征进行分类.同时在生成注意力特征时,使用通道域注意力调整通道间的依赖,提高模型的表示能力
【机 构】
：
南京航空航天大学计算机科学与技术学院,模式分析与机器智能工业和信息化部重点实验室,南京 211106
论文部分内容阅读
作为消化系统最常见的疾病之一,急性胰腺炎的医学影像仍使用简单的手工特征进行分析,效率与精度较低,与其危害性并不相称.由于胰腺的解剖变异性以及各种并发症,急性胰腺炎的影像表现复杂,不同患者不同种类的病灶差异大,基于CT影像的急性胰腺炎诊断难度较大.本文提出一种基于双重注意力网络用于诊断急性胰腺炎,该网络使用全局特征为不同阶段的局部特征生成局部注意力特征,使不同阶段的注意力特征关注不同尺度的病灶,最终通过融合对全局注意力特征进行分类.同时在生成注意力特征时,使用通道域注意力调整通道间的依赖,提高模型的表示能力.在真实的急性胰腺炎数据集上的实验结果表明,本文提出的网络取得了更好的急性胰腺炎诊断精度,相对原模型,灵敏度与曲线下面积(Area under the curve,AUC)分别至少提升了3.4％,3.2％;相较其他注意力机制如SENet对ResNet模型的改进,AUC提升2.7％.
其他文献
为了保证巷道安全快速掘进,提高巷道过地质构造、采空区等应力区时围岩稳定性,9101回风顺槽在过应力区时对原顶板支护进行优化,提出了“L型钢带+矩形工字钢棚”联合支护设计,通过实际应用效果来看,采取联合支护措施后,控制了应力区顶板破碎、垮落现象,巷道下沉量降低至0.12m以下,取得显著应用成效.
基于煤层气分布与赋存的客观实际规律,介绍了煤层气赋存的基本内容,分析了水动力特征对煤层气赋存的控制作用,并结合相关实践经验,分别从地质演变以及回返抬升角度探讨了地质条件对煤层气赋存的控制作用,以期对煤气层赋存分析有所裨益.
针对蒸馏装置中主蒸馏塔存在塔盘支撑横梁及桁架腐蚀严重、烟囱层变形、支持座腐蚀塌陷以及塔内腐蚀区域明显增多等问题,基于主蒸馏塔腐蚀现状,对其进行了深入的检修检查工作,并尝试提出新的思路,通过使用添加剂、升级相关材料建立比较理想且可行的防腐蚀策略,以确保蒸馏装置的安全运行.
瞬态图像是一种场景对光脉冲进行响应的快速图像序列.通过对时间维度信息的捕获,瞬态图像实现了对时域中蕴藏的场景信息的有效利用,而非视距成像是瞬态图像在场景解析领域中最典型的应用.非视距成像是一种对视线范围外物体或场景进行成像的技术,近几年在国内外广受关注.本文根据不同的成像机理,对瞬态图像的不同成像方式进行分类,并根据算法原理或实现效果的不同,对比了多种基于瞬态图像的非视距成像算法.最后总结了基于瞬态图像的非视距成像技术面临的挑战,并展望了未来的发展方向.
为分割灰度不均图像和各类噪声图像,本文提出了一个结合混合符号压力函数的活动轮廓模型.首先,利用图像的全局和局部信息,根据当前活动轮廓的位置,构造一个混合符号压力函数,该函数通过自适应权值线性组合一个全局压力项和一个局部压力项,得到图像相对于当前活动轮廓的混合压力.然后,结合此混合符号压力函数,构造活动轮廓的演化方程,最后通过交替迭代算法求解模型.实验中采用不同的人造、医学和自然图像对模型进行了测试,实验结果表明,该模型对初始轮廓有较强的鲁棒性,能有效分割灰度不均图像及各类噪声图像,并且相对于其他活动轮廓模
遥感影像在实际土地监测中其检测精度会受到影像数据中噪声的影响.为了提升变化检测方法的精度,本文提出了一种结合多尺度特征提取和注意力机制的孪生卷积神经网络的变化检测方法.首先使用含有不同膨胀率的空洞卷积和空间注意力模块组成多尺度特征提取模块;然后将同一卷积层的特征图相减获取前后两时期影像的差异特征图,并使用通道注意力机制增强特征提取效果;最后通过全连接层输出变化检测结果.将本文方法与目前已有的一些变化检测方法在未添加噪声的原始遥感影像数据和添加噪声后的遥感影像数据上进行对比分析.结果表明:(1)支持向量机这
比较同一场景无雾和有雾时图像RGB(Red-green-blue)三通道和HSV(Hue-saturation-value)三通道的变化,提出一种基于幂指数拉伸的去雾算法.首先将图像从RGB变换到HSV空间,将饱和度分量和亮度分量分别作1～3的幂指数拉伸和调整,将拉伸变换后分量生成HSV图像再变换到RGB空间,生成增强后的去雾图像.以饱和度均值、亮度指标、信息熵和对比度作为去雾评价的指标,确定最优的拉伸幂指数组合.然后使用最优幂指数完成去雾处理,同时根据图像饱和变化的阈值或时间间隔长度决定是否重新寻找最优
针对当前人眼定位相关算法任务单一、且在多种干扰因素影响下(如光照、眼镜、遮挡)性能下降的问题,提出了可同时检测人眼感兴趣区域、识别人眼多种属性及定位关键点的轻量型神经网络MEL-YOLO.将YOLOV3算法与改进的DS-sandglass模块结合,在关键点回归分支应用去归一化的编解码方法提高网络定位宽度,并且在损失函数引入完全交并比(Complete intersection-over-union,CIoU)和均方误差(Mean square error,MSE),使得网络整体性能提升.MEL-YOLO算
随着深度学习的兴起,行人重识别逐渐成为计算机领域的热门话题.它通过给定的查询行人图像进行跨摄像机检索,找出与查询身份相匹配的行人.然而,由于受到不同视角下的背景、光照等因素影响,采集到的行人图像中存在大量的难样本,利用这些难样本训练得到的模型识别性能低下,缺乏鲁棒性.因此,为了提高模型对难样本的鉴别能力,设计了一种新颖的通过混淆因子合成具有难样本信息图像的方法.对于每批输入图片,通过相似性度量寻找每张图像对应的难样本,结合混淆因子合成具有难样本信息的新图像再以有监督的方式促使模型挖掘难样本信息,从而提高模
在SSD(Single shot multibox detector)单阶段人脸检测模型的基础上,针对复杂局部遮挡下人脸检测精确性差的问题,提出了一种基于层级注意力增进网络的多尺寸遮挡人脸检测方法.首先,在SSD基础网络的多层初始特征图上,通过引入注意力增进机制提升人脸可见区域的响应值.然后为不同增强特征层设计不同尺寸的锚框,以提高对多尺寸遮挡人脸的分层识别效果.最后在训练时将注意力损失函数、分类损失函数和回归损失函数融合为多任务损失函数,共同优化网络参数.在WIDER FACE人脸数据集和MAFA遮挡人