MCA-Net:多尺度综合注意力CNN在医学图像分割中的应用

医学图像自动分割技术具有辅助临床医学诊断的功能.为改善CNN模型在医学图像分割中存在感受野小及细节特征不敏感等问题,基于多尺度策略以及注意力机制,提出一种多尺度综合注意力的U形网络架构,以提升医学图像分割质量.首先,提出一个新的双路径因式分解多尺度融合块,以扩展图像特征的感受野,进一步提取图像特征的细节信息.其次,在架构中融入通道和空间融合自注意力块,利用注意力机制的特性,抑制不相关的部分或背景以突显深层特征的空间信息.最后,引入多尺度注意力块.该模块通过融合多个尺度的特征信息,以突出不同尺度中最显著的特征图来适应当前分割对象的大小.为验证模型的可靠性,将所提出的网络模型应用于肺部、细胞轮廓及肝脏等医学图像分割任务.实验结果表明,所提方法在准确率、Dice系数、AUC及灵敏度等评估指标上均优于目前用于医学图像分割的主流方法.

多尺度双重注意力网络医学图像分割模型

卷积神经网络(CNN)模型已成为当前医学图像分割的主要研究手段。为进一步提升其分割精度,提出一种多尺度双重注意力网络(MDA-Net)架构。首先,为获得更多图像特征的感受野,在传统编码器基础上提出一种多尺度特征金字塔编码器模块,以提取丰富的特征信息;其次,提出多空洞残差双注意力模块以增强图像细节特征的表征能力;最后,利用不同大小的卷积核设计了自适应多尺度融合块以更好的捕捉特征上下文信息。将MDA-Net与U-Net、Attention U-Net、CE-Net、CS-Net及R2-UNet等先进的网络在脑部、肺部、纹理细胞等分割任务上进行比较测试,实验证明了方法的优越性能,其中脑部分割的相似性指数(MIOU)相较于U-Net,CS-Net分别提升0.24%、2.16%。此外,还通过在肺部数据集上进行的消融验证了每个组件的有效性。

核桃表面污渍识别算法设计

为实现核桃表面污渍的识别,设计了一种基于HSV色彩分析的污渍识别算法。利用人工标记将核桃污渍区域与洁净表皮分离后,将图片转到HSV色彩空间,并分别统计污渍区域与洁净区域V分量数值;求取污渍区域与洁净表皮区域V分量均值,并利用洁净表皮V分量均值与污渍区域V分量均值确定分割阈值,对其进行分割。为了验证算法的可靠性,通过市售核桃,采集到708张带有污渍的图片数据,对算法进行测试。经过实验,本算法取得了94.12%的检测精确率以及94.74%的召回率,相较于Otsu分割算法,具有更高的识别精度及效率。

麻核桃相似度匹配算法

为实现麻核桃相似度的识别,设计了一种麻核桃相似度匹配算法。首先,在同尺寸核桃中利用傅里叶算子及Tamura算法对核桃轮廓特征、纹理特征进行了量化。其次,根据任意两只核桃间轮廓、纹理特征距离对其实现相似度匹配。经过实验,相似度匹配算法则可以实现将混杂在不同核桃中的市售成对商品核桃成功识别。

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法。首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐标系下建立7区域的圆形描述子,并降低其维度;最后,根据特征点极值类别进行同类匹配,以降低匹配复杂度。实验结果表明,采用Mask的特征搜索方法以损失较小匹配质量为代价,能够有效提升算法的整体速度,结合改进的描述子和极值分类算法可以进一步提升算法速度。采用Mask的特征搜索方法在对匹配效率有较高要求的领域具有潜在的应用价值。