基于实时目标检测网络的胎儿颜面部超声切面识别及应用

目的:探讨基于实时目标检测网络的人工智能(AI)模型在胎儿颜面部超声检查中的应用价值。方法:以妊娠20~24周正常胎儿颜面部超声标准切面(FFUSP)图像为研究对象,构建基于实时目标检测网络的FFUSP识别模型,观察其对FFUSP及其解剖结构的识别精度;通过临床验证分析其对119例胎儿超声图像中FFUSP识别效能以评价其临床应用价值。结果:AI模型对胎儿颜面部结构识别的整体查准率为97.8%、查全率为98.5%、mAP@.5为98.1%、mAP@.5:.95为61.0%。在临床验证中,AI模型对颜面部解剖结构识别的敏感度、特异度、阳性预测值、阴性预测值及准确率分别为100.0%、98.5%、87.4%、100.0%、98.7%,与胎儿超声专家分类一致性强(k=0.925,P<0.001);对3类标准切面图像的识别准确率为100%;动态视频检测平均速度为33.93帧/s。结论:基于实时目标检测网络的FFUSP识别模型性能优越,可应用于实时超声检查辅助诊断、教学及智能化质量评价。

一种基于深度卷积神经网络的有效识别肝脏超声标准切面的AI模型

目的:结合人工智能技术与超声影像,建立一个有效的识别模型以辅助识别肝脏超声标准切面(LUSP)图像。方法:采集左肝胃底纵切面、左肝-腹主动脉纵切面、肝-下腔静脉纵切面、肝胆纵切面、肝肾纵切面、第二肝门水平高位横切面、第一肝门水平中位横切面、肝胰水平低位横切面、第二肝门高位斜横切面、胆肾水平低位斜横切面、第一肝门中位斜横切面、第一肝门门脉长轴切面、第6-7肋间斜纵切面等13个LUSP的超声图像共14971张,其中11980张用于构建深度卷积神经网络模型(DeepCNN),2991张用于模型验证。以3名长期从事肝脏超声检查及诊断的专家判断一致的肝脏超声标准切面图像作为模型识别的金标准。同时对本模型与VGG16模型识别LUSP的效能进行比较。结果:(1)DeepCNN模型在识别不同LUSP的准确率为0.892。(2)本模型与VGG16实验性能相近(P0.05),但所识别的切面类型更多。结论:DeepCNN模型能有效地分类不同的LUSP图像,对辅助超声医生识别LUSP和进行肝脏超声诊断具有较高价值。

基于ADASYN与AdaBoostSVM相结合的不平衡分类算法

对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的Ada Boost SVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、Ada Boost SVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.

基于DS算法的玉米近红外定性分析光谱校正方法研究

从校正的角度出发,研究了近红外定性分析中模型稳定性问题。以13个玉米品种为研究对象,针对数据采集时间不同带来的模型失效问题,借鉴近红外光谱定量分析中两台仪器间模型传递的思想,将直接模型传递(Direct Standardization)算法用于校正同一仪器不同时间采集的光谱,使得一次建立的品种鉴别模型,能用于其余时间测试数据的鉴别。首先采用Kennard/Stone算法在主光谱集中选取校正样品集,按照对应的编号从从光谱集中取出对应的数据,然后对校正样品集采用DS算法求取两组数据间的变换关系,再对剩余的从光谱集进行相应的变换得到适用于模型的光谱。实验中对比了校正样本数和模型校正位置对校正结果的影响,分别从品种定性鉴别准确性和校正前后主光谱数据和从光谱数据分布距离两方面分析了实验结果。结果表明,该方法能有效地解决同一仪器随着采样时间推移产生的光谱偏移现象,对采样时间不同的测试集均得到较高的识别率,提高了模型的鲁棒性和适用范围,由实验结果可见,校正位置处于特征提取之后时,校正效果最佳。

一种基于多特征融合的视频目标跟踪方法

在预警系统和目标记录方面,传统的视频跟踪方法无法很好地解决目标重现和遮挡等问题,针对此类问题提出了一种融合多特征的视频目标跟踪方法,首先用背景建模的方法检测运动前景,分离目标图像,通过目标连续帧间的位移信息实现跟踪,对多目标帧间位移相近的情况,融合目标SIFT和彩色直方图特征进行目标匹配,并记录目标各帧的运动状态,最终实现目标运动的跟踪。实验结果表明,该方法对多目标缓慢变化的监控视频有较好的跟踪效果。

适用于视觉媒体检索的视频镜头分割算法

针对基于内容的视觉媒体检索存在的问题,依据多维空间仿生信息学(multi-dimensional space biomimetic informatics,MDSBI)理论的同源连续性规律(principle of homology continuity,PHC),在高维空间中通过几何方法分析视频及镜头和图像,通过子空间方法解决不同视觉媒体的异构性问题,得出视觉媒体检索的实质性工作是在高维空间研究点和子空间的距离问题,并实现适用于视觉媒体检索的镜头分割算法。

一种网页图像文字分割方法

针对复杂网页图像中文本的特点,提出了一种基于最大类间差法(OTSU)的文字分割方法。对原文字图像进行预处理,统一了分割后字符的颜色、去除了大量的噪声、提高了图像的对比度;在全局阈值的基础上确定了各字符区域的位置;利用局部最优阈值对文字图像进行局部分割。实验结果表明,方法在保证较高准确率的基础上,提升了分割后字符的效果,具有较强的鲁棒性。

基于视觉仿生的图像目标分类算法

总结了当前图像目标识别算法的现状;从生物医学角度出发,分析了人类对图像信息的获取原理,提出一种基于仿生思维的图像亮度自适应调整算法;从人的视觉系统机制出发,实现一种从各种复杂的图像背景中分辨出同类目标的视觉仿生分类算法。实验结果表明,对于针对各种复杂的、具有多目标的图像,与其它目标分类算法比较,视觉仿生算法的分类效果更好。

基于关键解剖结构检测的人工智能模型识别甲状腺超声标准切面的应用价值

目的探讨基于关键解剖结构检测的人工智能(AI)模型在甲状腺超声标准切面(TUSP)识别中的应用价值。方法以成人TUSP和非标准切面(N-SP)图像为研究对象,含标准集8978张和实验集1916张;其中标准集分为训练集8178张和验证集800张,分别用于训练和验证AI模型识别TUSP;以超声专家团队识别为标准,比较初级医师、中级医师及AI模型识别实验集TUSP和非标准切面(N-SP)的诊断效能;同时收集AI模型及不同年资医师识别实验集图像累计耗时及平均每张图像耗时,并对其进行比较。结果AI模型识别实验集8个TUSP即甲状腺峡部横切面(TPTI)、甲状腺峡部纵切面(LPTI)、左甲状腺上极横切面(UTPLT)、左甲状腺下极横切面(DTPLT)、右甲状腺上极横切面(UTPRT)、右甲状腺下极横切面(DTPRT)、左甲状腺纵切面(LPLT)及右甲状腺纵切面(LPRT)的准确率为94.7%~99.9%,识别N-SP的准确率为93.8%;AI模型识别8个TUSP和N-SP的曲线下面积(AUC)均大于初级医师,差异均有统计学意义(均P<0.05);AI模型识别LPTI、UTPLT、DTPLT、UTPRT、DTPRT、LPRT的AUC均大于中级医师,差异均有统计学意义(均P<0.05);中级医师识别TPTI、UTPRT、DTPRT、LPLT、LPRT、N-SP的AUC均大于初级医师,差异均有统计学意义(均P<0.05);其余两两比较差异均无统计学意义。AI模型识别实验集TUSP图像累计耗时及平均每张图像耗时均少于不同年资医师人工识别,专家团队识别累计耗时及平均每张图像耗时均少于中级、初级医师,中级医师识别累计耗时及平均每张图像耗时均少于初级医师,差异均有统计学意义(均P<0.05)。结论基于关键解剖结构检测的AI模型识别TUSP具有较高准确性和效率,可作为甲状腺超声图像质量控制和规范化培训的辅助工具。

同源连续性规律在视频镜头检测算法的应用

针对当前视频镜头检测算法存在的问题,将多维空间仿生信息学的同源连续性规律用于视频镜头检测算法。视频镜头在多维空间中是一个复杂的同维有限空间,而同一镜头图像形成的子空间存在连通性或具有同源连续性,计算点与超平面的位置关系实现视频镜头的自适应检测,最后与其他算法分析比较并计算查准率和查全率,验证本算法的优越性。

利用多维空间同源连续性的图像检索

对两个同源的事物,从一个事物逐渐变化到另一个事物的过程存在连续性.该文依据多维空间仿生信息学理论,结合图像特征数据的提取与多维空间的点同源连续性规律,提出一种同源相似度和图像仿生距离相结合的相似性度量方法,实现高效的图像检索.用COREL图像库进行测试,表明所提出的方法可有效提高检索效率.

基于仿生形象思维方法的图像检索算法

在人类对图像的理解过程中,认知结果是由人脑形象思维活动得到的.模仿人脑从形象思维角度,本文提出了一种图像特征提取方法,设计了一种图像检索算法.把每幅图像都映射为高维特征矢量(每个矢量都被看作是高维特征空间中的一个点),计算高维特征空间中点与点的距离判别函数即可得到图像之间的关系.与其他检索算法比较,实验结果表明该方法在检索效率和检索速度具有优越性.

一种结合时空上下文的在线卷积网络跟踪算法

基于卷积神经网络提取抽象特征缺乏时空信息的问题,结合时空上下文模型作为卷积神经网络的各阶滤波器,提出一种在线卷积神经网络的视觉跟踪算法.首先对初始目标进行归一化处理并提取目标置信图,跟踪过程中结合时空信息更新得到时空上下文模型,第1层使用更新后的模型对输入进行卷积,并对卷积结果进行滑动窗口取片,第2层再使用时空模型分别对取片结果进行卷积,提取目标简单抽象特征,然后叠加简单层的卷积结果得到目标的深层次表达,最后结合粒子滤波跟踪框架实现目标跟踪.实验表明:结合时空上下文模型的在线卷积网络结构提取的深度抽象特征,保留相关时空信息,提高复杂背景下的跟踪效率.

一种基于多智能体策略的人工免疫网络数据分类方法

在传统的人工免疫网络基础上,将多智能体技术的典型策略融入到免疫网络的进化过程中。算法引入了邻域克隆选择,操作过程从局部到整体,能够更加全面地模拟免疫网络的自然进化模型;同时在免疫网络进化过程中增加了抗体间的竞争和协作操作,提高了网络的动态分析能力。后续实验中,分别采用常用的三组UCI数据和一幅红树林多光谱TM遥感图像对算法加以验证,实验结果表明算法对遥感图像有较高的分类效率,对UCI数据也有较好的分类效果,表明该算法是一种有效的数据分类方法。

人工智能自动识别胎儿颜面部超声标准切面的研究

目的:探讨人工智能(AI)自动识别与分类胎儿颜面部超声标准切面(FFUSP)的价值。方法:以妊娠20~24周FFUSP图像为研究对象,含标准集1906张和实验集4532张。标准集分为训练集和测试集用于训练和测试AI模型识别分类鼻唇冠状切面、正中矢状面、经双眼球横切面及非标准切面;以产科超声专家分类为标准,比较分析AI、初级医生组、中级医生组对实验集FFUSP图像识别分类能力差异。结果:AI对测试集各切面的分类准确率均达97%以上,中级医生对实验集FFUSP各切面识别能力皆优于初级医生(P<0.05)。AI对FFUSP各切面总体识别效能优于初级医生和中级医生(P<0.05),与专家分类一致性强(P<0.05);AI分类效率显著优于医生人工分类(P<0.05)。结论:AI对FFUSP识别分类具有较高准确性,可作为胎儿超声规范化培训和图像质量控制的辅助方法。

空间自适应正则化的图像超分重建算法

为提高稀疏表示系数的精度和图像的分辨率,提出一种基于稀疏表示和正则化技术的超分重建算法.首先引入自回归正则化项,通过样本图像来训练出描述图像局部结构的自回归模型,每个图像块自适应选择一个自回归模型用以调节解空间,实现图像局部的自适应性控制.然后,引入非局部相似正则化项作为自回归正则化项的补充,用于保持图像边缘清晰度.从而,完整构造出一种基于自回归正则化和非局部相似正则化的稀疏编码目标函数.为了进一步恢复图像,实现图像去噪、去模糊,利用总变分正则化实现全局优化.实验结果表明,与L1SR、SISR、ANR、NE+LS、NE+NNLS、NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果还是客观评价指标上,提出的算法都取得了更好的超分重建效果.

基于带间预测的非负支撑域受限递归逆滤波盲复原算法

针对非负支撑域受限递归逆滤波(NAS-RIF)算法对噪声敏感和耗时长等缺点,提出了一种改进的NASRIF盲复原算法。首先,为了改进原始NAS-RIF算法的抗噪性能和复原效果,引入了一种新的NAS-RIF算法代价函数;其次,为了提高算法的运算效率,结合Haar小波变换,仅对低频子频带的图像进行NAS-RIF算法复原,而高频子频带的信息,则通过带间预测分别从低频子频带的复原图像中预测得到;最后,为了保证高频信息的准确性,提出了一种基于最小均方误差(MMSE)的带间预测。分别对模拟退化图像和真实图像进行了仿真实验,采用该算法得到的信噪比增益分别为5.221 6 d B和8.103 9 d B。实验结果表明:该算法在保持图像边缘细节的前提下,能够较好地抑制噪声;此外,该算法的运算效率也得到了较大的提高。

一种快速的反向k近邻查找算法及其改进

提出一种快速的反向k近邻查找算法,该方法利用现代计算机具有外存便宜、运行速度快的特点,预先计算数据之间的距离,并组织为数据索引块存储于外存,由计算机在空闲时自动进行维护.在进行反向最近邻查询时,只需读入相应的索引块,就可进行直接查询,其时间复杂度为O(N),而且不受k的影响.为减少索引块的读取时间,提出一种改进方法来有效地压缩索引块,仅用必要的二进制位来存储对象之间的距离,并将冗余减少到最低水平,提高了算法的效率.最后通过实验分析评估算法的有效性和效率.

基于Delphi平台的高效率实时数据采集技术

在计算机智能控制领域,实时数据采集是一个非常重要的环节。该文以电力系统的数据采集为背景,说明了在Windows2000环境下通过计算机串口实现数据采集的方法。并且介绍了在Delphi中多媒体定时器的使用,从而大大提高数据采集的速度和精度,达到了智能控制的要求。

可并行计算的图像检索技术

针对基于内容的图像检索技术存在的问题,结合多维空间仿生信息学(Multi-Dimensional SpaceBiomimetic Informatics,MDSBI)理论和可并行计算原理,根据在多维空间中分析图像的同源连续性规律和GPU工作的特点,提取一种可并行计算的图像特征提取算法和检索技术.实验比较证明,该方法在解决检索效率和检索速度有很大的提高.