【摘 要】
：
为实现脑血管的分割,提出了一种基于卷积神经网络和局部信息的多模态脑血管图像分割方法。方法对原始脑部CT血管造影图像分别使用高斯滤波和拉普拉斯滤波去除噪声和做锐化处理,和原始图像分别以单个模态作为输入采用卷积神经网络对图像进行血管提取,得到三个模态的分割结果,然后采用加权平均法得到融合结果,最后采用基于局部信息的改进模糊C均值算法对融合结果进行分割得到最终结果。实验结果证明,上述算法比其它算法在脑血
【基金项目】
：
辽宁省教育厅项目《多模态图像分割方法研究》(LJZ2017030)。
论文部分内容阅读
为实现脑血管的分割,提出了一种基于卷积神经网络和局部信息的多模态脑血管图像分割方法。方法对原始脑部CT血管造影图像分别使用高斯滤波和拉普拉斯滤波去除噪声和做锐化处理,和原始图像分别以单个模态作为输入采用卷积神经网络对图像进行血管提取,得到三个模态的分割结果,然后采用加权平均法得到融合结果,最后采用基于局部信息的改进模糊C均值算法对融合结果进行分割得到最终结果。实验结果证明,上述算法比其它算法在脑血管分割上具有更高的有效性。
其他文献
针对现有路径动态诱导算法在交通问题规模增大时存在的性能急剧下降的问题,提出了一种改进的混合遗传蚁群算法。为解决蚁群算法对信息素的强依赖性导致的局部最优解现象,及遗传算法存在的全局搜索性能强但收敛速度慢等问题,将蚁群算法与遗传算法相结合,基于遗传算法的交叉变异因子,改进了信息素浓度的设定方式,加强了传统蚁群算法的全局搜索能力;利用蚁群算法的局部搜索能力较强的特点,提高了传统遗传算法的收敛速度。仿真结
为了有效回收电梯制动时的再生电能,降低系统损耗,提出一种储能回馈型电梯能量控制方案。方案利用超级电容的储能特性实现电梯系统的电能吸收与回馈,从而将制动产生的电能用于补充母线,对功率采取补偿。首先针对超级电容驱动设计了相应的充放电阈值、容量和功率约束,用以提高其充放电效率,以及和其它模块的匹配性。然后设计了基于超级电容与双向DC-DC的储能电路拓扑,根据归一化与约束分析,得到了占空比调节与纹波抑制的
针对现有多信道接入策略较难适应信道环境动态性问题,提出基于深度强化学习的多信道智能接入方法。首先,通过将多信道接入模型描述成马尔可夫决策过程,提出Q-learning方法以实现多信道的智能接入。在此基础上,针对Q-learning状态空间大和收敛慢等特点,通过设计深度神经网络,以获得近似最优的多信道智能接入策略。最后,通过搭建NS3仿真平台,以验证本文提出多信道智能接入方法的性能。仿真结果表明,提
已有研究尚未明确证券市场从众行为与过度波动这一金融异象的关系,针对忽略从众行为本身也存在着差异、未将成交量纳入分析框架等问题,从行为金融学视角出发,构建基于Agent的异质从众行为人工市场仿真平台。首先通过在模型中设定6种不同的从众概率,推演了不同从众行为对证券市场股价波动的异质性影响;其次验证了异质从众概率下价格波动与市场成交量关联的强弱差异。仿真结果表明:异质性从众行为带来不同程度的股价波动,
针对城市公交出行决策问题,采用改进决策场模型从心理微观偏好进化的角度对两阶段出行决策行为进行了研究。提取了不同公交方式的同质属性构建属性矩阵;结合出行者个体特征和交通属性状态的波动构建注意力权重矩阵,同时优化了注意力转移概率的计算方法。通过问卷调查与计算机仿真相结合的方式对偏好进化过程进行分析,结果显示:出行者存在偏好震荡现象,且在短时思考时间内更加明显;在出行过程中进行决策时,换乘行为的触发需要
机器人自主移动导航是近年来研究的热点。针对蚁群优化(ACO)算法存在收敛速度慢以及易陷入局部最优的问题,提出了一种改进的ACO算法来解决机器人路径规划问题。上述算法将改进的人工势场(APF)算法和蚁群算法相结合,采用改进APF算法进行初始地图规划,减少了ACO算法初始规划的盲目性。算法利用A*算法的评估函数以及路径转折角度来改进启发函数,引入启发信息递增函数,免于局部最优的同时保证收敛速度。改进算
燃气管道外表面疲劳裂纹是可能导致管道断裂的危害性缺陷。通过有限元仿真与实验研究,研究利用多频涡流检测技术使用柔性阵列式探头检测以4340#钢为材料的管道外壁疲劳缺陷问题。仿真给出不同物理参数的管道涡流分布、磁场分布及其变化。从仿真结果可观察出,管壁涡流疲劳裂纹检测结果并非与输入激励频率成正相关,而是针对不同金属材料具有最优参数。涡流检测提离值与磁场强度成负相关。涡流场的分布及其变化规律与磁场情况类
针对传统的DDoS网络攻击检测方法未提取信号时频特征,而存在检测速度慢,甚至不能完全检测出是否受到攻击的问题,提出一种基于非平稳信号时频分析的DDoS攻击检测方法。因为攻击特征通常表现为一组非平稳的宽带信号,所以需要先构建DDoS攻击信号模型,采用包络延扩展方法,对其进行采样完成模型构建,同时因DDoS攻击非平稳宽带信号时频特征存在较好的时频聚集性,所以需要将DDoS攻击信号转变为复信号,从而提取
传统人体行为动作预测方法对人体骨架上的所有关键特征映射点包含范围模糊,导致实时处理速度慢,无法有效对连续性动作进行预测,且错位率较高。为此提出一种基于时域分割的人类行为连续性动作预测。首先通过三维空间捕捉技术构建人体骨架模型,通过时域分割确定关节点的位置信息,将任意关节点都视为映射特征点,提取人体的运动数据特征,利用LLE把提取的特征数据映射进二维空间里,结合拉格朗日的乘法最优化重建权值矩阵,建立
针对运动模糊图像重建后细节保留不完整,导致图像后期处理难度较大的问题,提出新的数字摄影运动模糊图像超分辨重建方法。构建图像降质退化模型,根据数字摄影的二维运动单一直线方向特性,通过分析运动模糊图像本质,将加性噪声与退化函数相结合得到垂直光轴方向运动点光源扩展函数LSF,并对线扩展函数通过一维傅立进行变换处理,得到调制传递函数。利用基本插值法优化图像降质退化模型,完成模糊图像超分辨率重建。仿真结果证