经直肠与经会阴途径前列腺穿刺对临床显著性和非显著性前列腺癌检出率的前瞻性随机对照试验

目的:探讨经直肠(TRUSB)途径与经会阴(TPB)途径前列腺穿刺对临床显著性前列腺癌(csPCa)和临床非显著性前列腺癌(insPCa)检出率的比较。方法:从2022年1月至2023年1月进行了一项前瞻性、随机的临床研究,纳入前列腺穿刺患者279例,其中TRUSB组135例,TPB组144例,比较两种穿刺途径对csPCa和insPCa的检出率。结果:TPB组前列腺癌(PCa)的检出率高于TRUSB组(37.50%vs 28.15%),差异有统计学意义(P=0.026)。TRUSB组检出6例(4.45%)insPCa和32例(23.70%)csPCa,TPB组检出10例(6.94%)insPCa和44例(30.56%)csPCa,两组对insPCa和csPCa检出率之间比较未见统计学差异(P>0.05)。不同年龄、PSA浓度和前列腺体积之间csPCa的检出率TRUSB组和TPB组无统计学差异(P>0.05)。TRUSB组和TPB组穿刺针数阳性率分别为(12.48±2.39)%和(16.44±2.86)%,差异未见统计学意义(P>0.05)。两组的尿潴留、尿道感染、血尿及直肠出血等并发症之间未见统计学差异(P均>0.05)。结论:TPB途径PCa的检出率高于TRUSB途径,但两种穿刺途径对csPCa和insPCa的检出率未见差异。

边缘信息增强的显著性目标检测网络

针对显著性目标检测任务中识别结果边缘模糊的问题,提出了一种能够充分利用边缘信息增强边缘像素置信度的新模型。该网络主要有两个创新点:设计三重注意力模块,利用预测图的特点直接生成前景、背景和边缘注意力,并且生成注意力权重的过程不增加任何参数;设计边缘预测模块,在分辨率较高的网络浅层进行有监督的边缘预测,并与网络深层的显著图预测融合,细化了边缘。在6种常用公开数据集上用定性和定量的方法评估了该模型,并且与其他模型进行充分对比,证明设计的新模型能够取得最优的效果。此外,该模型参数量为30.28 M,可以在GTX 1080 Ti显卡上达到31帧·s^(-1)的预测速度。

商标法修订后我国声音商标显著性认定标准分析

第三次修订的《中华人民共和国商标法》(以下称《商标法》)删除了2001年修订的《商标法》第八条中关于商标必须是“可视性标志”的限制性规定,明确“声音”可以作为商标申请注册。然而,截至目前,我国声音商标制度构建仍处于起步阶段,有关显著性判断仍参照可视性商标判断标准。声音商标是否具有固有显著性、如何才算具备获得显著性等核心问题尚未得以解决,导致实践中商标申请人、权利人、审查者、裁判者都陷入两难困境。文章通过分析我国声音商标立法和实践的现状和不足,指出了获得显著性认定的必要考虑因素,并就如何有效完善我国声音商标显著性认定标准,形成声音商标显著性认定独立体系为主旨,提出了声音商标固有显著性认定方案。

非电子化声音商标可注册性与显著性判定新论

与网络直播带货相伴而生的非电子化声音商标是一种特殊商标,具有不以电子介质为传播载体和传播主体是真人等显著特征。此类特殊声音商标蕴含的商业价值,存在着被盗用或不当利用的风险,亟需法律保护。真人文字呼叫类商标是一种典型的非电子化声音商标,并非一概不具备可注册性,关键在于其是否具有显著性。首先,此种商标的类型应归属于服务商标、而非商品商标;其次,在显著性判定方面,对这类声音商标的审查不宜适用“固有显著性”标准,而应将重点放在“获得显著性”的考察上。考虑到直播带货的特点,此类商标“获得显著性”的认定应突破“长期使用”要素的桎梏,更侧重于对传播主体知名度、使用“广泛性”等因素的考察,在申请注册审查实践中给予特殊对待与综合考量,判定其是否具备了获得显著性,方能就其可注册性问题得出最终结论。

基于特征注意力提纯的显著性目标检测模型

近年来,显著性目标检测技术取得了巨大进展,其中如何选择并有效集成多尺度特征扮演了重要角色。针对现有特征集成方法可能导致的信息冗余问题,提出了一种基于特征注意力提纯的显著性检测模型。首先,在解码器中采用一个全局特征注意力引导模块(GAGM)对带有语义信息的深层特征进行注意力机制处理,得到全局上下文信息;然后,通过全局引导流将其送入解码器各层进行监督训练;最后,利用多尺度特征融合模块(FAM)对编码器提取出的多尺度特征与全局上下文信息进行有效集成,并在网格状特征提纯模块(MFPM)中进行进一步细化,以生成清晰、完整的显著图。在5个公开数据集上进行实验,结果表明,所提模型优于现有的其他显著性检测方法,并且处理速度快,当处理320×320尺寸的图像时,能以30帧以上的速度运行。

3.0T非对比增强MR冠脉成像在节段水平对血管显著性狭窄的诊断效能评估

目的:基于冠脉血管节段水平评估3.0T自由呼吸非对比增强全心冠状动脉MR成像在血管显著性狭窄方面的诊断效能。方法:2021年5月至2023年6月连续纳入于河南中医药大学第一附属医院拟行冠状动脉造影(CAG)的患者98例,患者CAG术前一周行3.0T无对比剂MR冠脉成像(CMRA)。完成两项检查后,以CAG为“金标准”对CMRA在检测冠状动脉显著性狭窄(管腔直径减少≥50%)方面的能力进行了基于血管节段水平的评估。结果:基于血管节段水平CMRA对血管显著性狭窄的诊断效能为敏感度75.42%、特异度96.50%、阳性预测值82.41%、阴性预测值94.76%、准确度92.74%;除LCX2外,LM、LAD1、LAD2、LAD3、LCX1、RCA1、RCA2、RCA3节段的ROC曲线下面积都大于0.75;LAD3、LCX2节段的诊断结果受图像质量影响相对较大。结论:3.0T非对比增强MR冠脉成像是一项具有广阔应用前景的无创、无辐射冠状动脉成像技术,与CAG具有相似的诊断效能,可用于疑似冠心病患者冠状动脉显著性狭窄的检测。

双参数与多参数MRI对前列腺特异性抗原灰区临床显著性前列腺癌诊断效能比较

目的探讨基于前列腺影像报告与数据系统2.1版(PI-RADS v2.1)的双参数MRI(bpMRI)与多参数MRI(mpMRI)对前列腺特异性抗原(PSA)灰区(PSA 4~10 ng/mL)临床显著性前列腺癌(csPCa)的诊断效能。方法回顾性纳入2家医疗中心接受前列腺活检术并完成MRI检查的PSA灰区病人270例(中心1,220例;中心2,50例),分析病人的临床及MRI影像资料。根据Gleason评分将病人分为csPCa组(177例)和非csPCa组(93例)。基于PI-RADS v2.1标准,根据bpMRI(T2WI、DWI)与mpMRI(T2WI、DWI和DCE-MRI)对每例病人的病灶进行评分。采用独立样本t检验、Mann-Whitney U检验、χ2检验比较2组病人的一般资料[年龄、PSA、前列腺体积(PV)、PSA密度(PSAD)]、bpMRI评分和mpMRI评分。以前列腺活检病理结果为标准,绘制受试者操作特征(ROC)曲线,计算其曲线下面积(AUC)、敏感度、特异度、准确度。采用DeLong检验比较2种评分方法对csPCa的诊断效能。采用McNemar检验比较2种评分方法的敏感度和特异度。采用Kappa检验分析2名医师评估bpMRI和mpMRI评分的一致性。结果相比非csPCa组,csPCa组的PV更小、PSAD更高(均P<0.05)。csPCa组中bpMRI与mpMRI评分为4-5分病人的占比更高(76.8%和85.3%),非csPCa组中1-3分病人的占比更高(78.5%和74.2%)。bpMRI与mpMRI评分诊断csPCa的AUC值差异无统计学意义(P>0.05)。bpMRI的敏感度低于mpMRI(76.8%和85.3%,P<0.05),而特异度高于mpMRI(78.5%和74.2%,P<0.05)。bpMRI和mpMRI评分的阅片者间一致性均较好(κ=0.68和κ=0.67)。结论基于PI-RADS v2.1,bpMRI评分与mpMRI评分对PSA灰区csPCa的诊断效能相近。

基于眼动追踪的历史街区意象要素视觉显著性分析——以广州永庆坊为例

历史街区城市意象要素是城市空间感知的重要内容。在原有的认知地图问卷调查基础上,以永庆坊为例,以照片和视频为媒介,利用眼动追踪技术定量分析其意象要素视觉显著性的构成特征。首先总结永庆坊认知地图之中意象要素的视觉显著物。其次利用眼动仪展开实验,收集大样本被试的眼动数据,并进行数学统计分析,以静态照片探究单一场景意象要素视觉显著性的构成机制,以动态视频探究不同场景意象要素之间的视觉显著性差异。最终获得历史街区意象要素视觉显著性的构成规律,并为其实践应用提出相关建议。

粗差和系统误差显著性检验统计量统一推导新方法

基于均值平移模型的数据探测法和附加系统参数的平差法是目前处理粗差和系统误差的重要方法,其函数模型形式一致,故关于二者的显著性检验统计量理论上可做统一推导。不同于已有文献,文中提出一种统一推导的新方法。新方法的思路更符合数理统计中构造显著性检验统计量的一般思路,具有简洁且易于理解的特点。此外,新方法还具有较强的普适性,除参数平差外,需要时还可用于其他平差方法的粗差与系统误差显著性检验统计量推导。

基于显著性特征的多视角人体动作图像识别研究

为了应对多角度、多姿态特点的人体动作图像识别难的问题,研究一种基于显著性特征的多视角人体动作图像识别方法。通过显著性区域检测模块处理多视角人体动作图像,获取显著性区域序列并拼接成多视角显著性区域拼接图;利用VGG-Net网络从中提取其卷积特征图,输入到CA(上下注意力)模块中,将有利于人体动作识别的区域予以突出显示,并输出人体动作类别标签的概率值,实现多视角人体动作识别。实验结果表明,所提方法能够有效识别多视角人体动作,同时通过整合显著性区域检测和CA模块,可以显著提升其在多视角人体动作识别方面的应用效果。

基于特征残差融合的显著性检测网络

当前的显著性检测任务得益于卷积神经网络模型的监督训练能够达到很好的效果,但是模型中的显著性特征如何有效地利用仍是一个关键的问题。不同层级的显著性特征信息融合能够达到互补的效果进而促进最终预测的效果,因此提出一个基于局部信息残差融合的网络架构。该结构是对局部范围的卷积层的特征进行残差式的融合,以此降低由于采样操作导致引入噪点的风险。再将融合的新特征图由深层递进式地传递到浅层并输出,进而获得最终的预测结果。

基于视觉显著性和图割的图像分割算法优化方案

图像分割是计算机视觉领域中的一个重要问题,其在图像处理、目标检测和图像理解等任务中起着关键作用。本文提出了一种基于视觉显著性与图割的图像分割算法。该算法首先使用视觉显著性模型对图像进行显著性区域检测,然后基于检测结果利用图割方法对图像进行分割。实验结果表明,该算法在分割准确性和效率方面都取得了较好的表现,可以有效地应用于实际图像处理任务中。

基于显著性的双鉴别器GAN图像融合算法

针对红外图像与可见光图像在不同场景的特征表达不同的问题,提出一种基于显著性的双鉴别器生成对抗网络方法,将红外与可见光的特征信息相融合。区别于传统的生成对抗网络,该算法采用双鉴别器方式分别鉴别源图像与融合图像中的显著性区域,以两幅源图像的显著性区域作为鉴别器的输入,使融合图像保留更多的显著特征;并将梯度约束引入其损失函数中,使显著对比度和丰富纹理信息保留在融合图像中。实验结果表明:本文方法在熵值(entropy,EN)、平均梯度(mean gradient,MG)、空间频率(spatial frequency,SF)及边缘强度(edge intensity,EI)4个评价指标中均优于其他对比算法。该研究实现了红外图像与可见光图像高效融合,有望在目标识别等领域中获得应用。

集成多种上下文与混合交互的显著性目标检测

显著性目标检测目的是识别和分割图像中的视觉显著性目标,它是计算机视觉任务及其相关领域的重要研究内容之一。当下基于全卷积网络(FCNs)的显著性目标检测方法已经取得了不错的性能,然而现实场景中的显著性目标类型多变且尺寸不固定,这使得准确检测并完整分割出显著性目标仍然是一个巨大的挑战。为此,该文提出集成多种上下文和混合交互的显著性目标检测方法,通过利用密集上下文信息探索模块和多源特征混合交互模块来高效预测显著性目标。密集上下文信息探索模块采用空洞卷积、不对称卷积和密集引导连接渐进地捕获具有强关联性的多尺度和多感受野上下文信息,通过集成这些信息来增强每个初始多层级特征的表达能力。多源特征混合交互模块包含多种特征聚合操作,可以自适应交互来自多层级特征中的互补性信息,以生成用于准确预测显著性图的高质量特征表示。此方法在5个公共数据集上进行了性能测试,实验结果表明,该文方法在不同的评估指标下与19种基于深度学习的显著性目标检测方法相比取得优越的预测性能。

视觉显著性检测综述

视觉显著性(Visual Saliency)是指人类在观察某一区域时视野中存在能够引起人类视觉关注的局部区域,该局部区域被称为显著性区域。与此对应,视觉显著性检测(Visual Saliency Detection)则主要用于凸显图像或者视频中的显著性区域。近年来,基于计算机技术的视觉显著性检测模型被广泛应用于图像分割、目标检测和视频编码等领域。因此,进行视觉显著性检测研究具有相当的实际应用价值。该文针对视觉显著性检测研究进行了系统地介绍,主要包括RGB图像显著性检测、RGBD图像显著性检测、视频显著性检测和协同显著性检测等,同时总结分析了各种视觉显著性检测模型的特点,并进一步探讨了视觉显著性检测研究未来的发展方向。

基于邻域显著性的可见光和SAR遥感图像海面舰船协同检测方法

在遥感图像舰船检测任务中,可见光图像细节和纹理信息丰富,但成像质量易受云雾干扰,合成孔径雷达(SAR)图像具有全天时和全天候的特点,但图像质量易受复杂海杂波影响。结合可见光和SAR图像优势的协同检测方法可以提高舰船目标的检测性能。针对在前后时相图像中,舰船目标在极小邻域范围内发生轻微偏移的场景,该文提出一种基于邻域显著性的可见光和SAR多源异质遥感图像舰船协同检测方法。首先,通过可见光和SAR的协同海陆分割降低陆地区域的干扰,并通过RetinaNet和YOLOv5s分别进行可见光和SAR图像的单源目标初步检测;其次,提出了基于单源检测结果对遥感图像邻域开窗进行邻域显著性目标二次检测的多源协同舰船目标检测策略,实现可见光和SAR异质图像的优势互补,减少舰船目标漏检、虚警以提升检测性能。在2022年烟台地区拍摄的可见光和SAR遥感图像数据上,该方法的检测精度AP50相比现有舰船检测方法提升了1.9%以上,验证了所提方法的有效性和先进性。

基于多层显著性模型的SAR图像舰船目标检测

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。

服装商品商标的显著性

一、商标显著性概述.商标显著性是指使用在商品或服务上的标志具有能够使消费者识别商品或服务的来源,并使得该标志与使用在同一种或类似商品或服务上的标志相区分的属性,即商标应具有区分商品或者服务来源的功能。

商标显著性新探

显著性是商标所具有的标示产品出处并使之区别于其他同类产品的属性。传统理论将显著性划分为固有显著性与获得显著性,并表现出对固有显著性的偏爱,认为获得显著性只是显著性的拟制。实际上,固有显著性不过是商标获得显著性的有利条件,并非本来意义上的显著性,获得显著性才是真正的显著性。没有天生的商标,任何标志都只有经历了获得显著性的过程才成为真正的商标。因此,对商标强度起决定作用的是获得显著性,而最终决定获得显著性强弱的是市场和消费者。

基于深度学习的显著性目标检测综述

显著性目标检测通过模仿人的视觉感知系统,寻找最吸引视觉注意的目标,已被广泛应用于图像理解、语义分割、目标跟踪等计算机视觉任务中。随着深度学习技术的快速发展,显著性目标检测研究取得了巨大突破。本文总结了近5年相关工作,全面回顾了3类不同模态的显著性目标检测任务,包括基于RGB图像、基于RGB-D/T(Depth/Thermal)图像以及基于光场图像的显著性目标检测。首先分析了3类研究分支的任务特点,并概述了研究难点;然后就各分支的研究技术路线和优缺点进行阐述和分析,并简单介绍了3类研究分支常用的数据集和主流的评价指标。最后,对基于深度学习的显著性目标检测领域未来研究方向进行了探讨。