面神经序列图像感兴趣区域识别

通过计算机识别面神经序列图像中的感兴趣区域,可以在手术规划过程中辅助医生辨别具体的功能区域,使医生进行手术时更有针对性,避免对面部神经区域的额外伤害。将面神经图像处理并划分成不同的功能区域,利用卷积神经网络对大量病例样本进行学习,得到具有较高准确率的感兴趣区域识别模型。实验结果表明,该卷积神经网络模型可以有效地对面神经序列图像识别出感兴趣区域,具有一定的医疗辅助作用。

基于注意力机制的高效点云识别方法

在点云识别中,将点云数据映射成二维图片或者还原成三维空间等方法具有计算量大、场景通用性差的缺点。为此,本文提出一种基于注意力机制的深度残差学习网络的方法。本文方法通过注意力机制获得点云中不同点的权重分布和关键点,直接利用点云数据进行高效地识别。通过实验对比了多种不同方法在ModelNet40等数据集上的识别能力。结果表明,与基于二维图片方法、基于三维空间的方法以及直接处理点云的方法相比,本文方法在保证高识别精度的同时,具有参数量小、计算量小、更高效等优点。