基于超声的计算机辅助诊断肝纤维化研究进展

肝纤维化是一个病理生理过程,任何肝脏损伤在肝脏修复愈合的过程中均可产生肝纤维化,严重肝纤维化导致肝硬化,进而发生肝癌等严重并发症.早期发现肝纤维化尤为重要.随着医学图像分析技术的发展,结合统计机器学习、特别是深度学习,基于超声的计算机辅助诊断肝纤维化研究取得了长足进展,本文对此进行综述.

基于迁移学习策略的肝纤维化分期诊断方法

针对肝纤维化四分期准确率较低,S2与S3期分期难的问题,文中提出了一种基于迁移学习策略的肝纤维化诊断方法。该方法基于预训练好的深度残差网络模型,随机初始化各层权值参数,加入采用旋转、裁剪patch小块等方法扩充的数据集微调各类参数。经过softmax分类器结合patch小块投票原则,最终得到肝纤维化S0~S1、S2、S3、S4期的分期准确率分别为93.75%、90.63%、87.50%、86.96%。该结果表明,文中方法在基于高频超声图像的肝纤维化定量诊断任务中达到了较好的效果。通过比较分析可知,文中所述方法优于其他已有方法,为临床计算机辅助诊断肝纤维化疾病提供了更加有效的解决方案。

基于单目视觉的AGV间防撞系统设计

为了解决智慧工厂中AGV行进过程中面对其他车辆无法自动躲避的问题,本文设计了一种基于单目视觉测距的AGV防撞系统。该系统在AGV顶部安装摄像头,用于采集AGV行驶过程中的前方图像,车体内安装微处理器对图像进行分析,并将分析结果转换为控制信号控制AGV,从而达到防撞的目的,其中图像分析首先采用三帧差分法将图像中的AGV目标检测出来,然后基于逆投影变换测距原理计算出AGV间的距离。实验结果表明,该系统在模拟实验环境下测量精度基本控制在10%以内,4 m内最大绝对误差为51 mm,能够满足物流工厂AGV的设计要求。