基于GAN与轴向区块注意力的心脏磁共振图像分割

心脏磁共振图像分割对心功能分析和心脏疾病诊断具有十分重要的意义。针对传统心脏分割方法对心脏MR图像特征提取不全面,以及基于注意力机制的深度学习方法参数量过大的问题,设计一种基于GAN与轴向区块注意力的心脏磁共振图像分割模型,对图像特征进行多尺度、全方面地提取,结合GAN策略提升模型性能。实验结果表明,模型实现了图像的有效分割并提高了分割结果与真实标签之间的一致性。

基于灰色系统理论的信誉报告机制

信任是决定实体双方在互联网上成功交易的一个重要原因,而商家的信誉又是客户选择交易对象的关键因素.传统的信任评估方法对评估对象提出种种假设,不能分辨恶意客户的虚假推荐,因而影响了评估结果的客观性和可信性.针对上述问题,提出了以灰色系统理论为基础、以灰色聚类评估算法为主要内容的信誉报告机制方案,同时证明了实体的灰关联度在t时刻存在的充分必要性.方案首先采用味集群方式采集原始数据,以被评估的实体为聚类实体、以客户对实体关键属性的评分为评估依据,运用灰关联分析得到实体的评估向量,按事先约定的灰类归纳整理,判断聚类实体的灰类,得到相应实体的信任度.方案的评估依据是客户对实体关键属性的实际评分,并且允许用贴近实际的灰数表达形式,避免了种种假设数据;味集群方法采集原始数据,能够有效地避免恶意推荐.实例说明,实体的信任可以被量化,实体间的信任可以具有可比性.方案具有评价可靠、可操作性强、适合软件自动处理等特点,是网络环境中具有实用价值的一种对实体信任度评估的新方法.

基于改进动态规划的MR图像左心室分割

为了在MR图像中精确提取左心室外膜,本文提出一种基于改进动态规划的分割方法。先用Otsu阈值法分割心内膜,再在此基础上设计一种改进的动态规划方法来寻找一条闭合的最小代价路径作为心外膜边界。该方法的关键在于路径代价函数的设计,它包括边界灰度因子、梯度因子和形状因子。3个因子之间的权重系数用混沌粒子群算法优化,同时,为了避免心外膜越过心包脂肪,设置了代价无穷大的心外膜"禁区"。将该方法在138幅图像上的分割结果与金标准及相关算法进行比较,结果表明该方法具有更高的分割精度和鲁棒性。

基于灰色理论的主观信任计算方法

通过讨论传统信任模型和信任计算,提出了以灰色系统理论为基础的灰序白化评估算法.方法的基本原理是:以主体的网上交易额为参考序列,由客体对主体的关键属性评分构成计算序列,得出主体的信任水平序列,根据灰关联分析计算灰关联信任空间,求出序化点列,作序化点列图,得出白度序列,最后按照灰序白化分析得出主体的关键属性对主体的信任水平的影响次序.该算法克服了传统分析中将主体的关键属性对主体信任水平的影响大小视为相等的做法,具有评价可靠,可操作性强,适合软件自动处理等特点,在开放式环境中具有广阔的应用前景.

基于哈希特征的大规模图像快速匹配算法

针对基于图像进行三维重建技术在使用大规模图像集合进行重建时,需要对图像集合中图像进行两两匹配耗时问题,提出了基于哈希技术对图像构建全局哈希特征的方法,通过过滤掉无效的图像关系对来减少计算时间,极大地提高了大规模图像集合三维重建的匹配计算效率。提出的大规模图像快速哈希匹配算法包括构建图像哈希特征、构建初始匹配图、挑选候选匹配对、哈希匹配几个步骤。实验结果表明该方法能显著地提高三维重建中图像匹配的速度。

数据库原理与应用课程教学中的一点心得

数据库原理与应用是本科生的主要课程之一。论文针对非计算机专业本科生"数据库原理与应用"课程的教学,深入分析了教学对象的特点,论述了采用flash动画与案例教学为手段,确立科学合理的教学策略、教学内容,来激发学生学习的积极性与主动性。

基于混沌粒子群优化算法的电力线检测

提出了一种基于混沌粒子群的直线检测算法,并将其应用于电力线自动检测.首先利用Sobel算子对图像进行边缘检测得到候选边缘点;然后从中随机选择若干点对作为初始粒子,每个粒子代表一条直线,并以与其共线的候选边缘点的数目作为其适应度值,迭代过程中用混沌粒子替代最差粒子;最后选择适应度值最高的粒子作为所要检测的直线.实验结果表明:与Hough变换等算法相比,该算法可以有效减少重复计算,提高检测效率和准确率.

基于分层多模板匹配的乳腺肿块自动检测

为提高乳腺癌检测的精准度和效率,提出了一种基于多模板匹配的乳腺X线摄片肿块自动检测方法.该方法设计了一种基于灰度直方图先验信息的阈值分割法来提取乳房区域;构造了不同尺度的模板对肿块进行分层匹配;对匹配结果提取了灰度、形态学及层间特征以便尽可能地去掉假阳性区域.与DDSM数据库中的已确诊的306幅乳腺X线射片进行了比较,实验结果表明:该算法在检测各种不同类型和尺寸的肿块时,具有高敏感度和低假阳性率.

基于改进PatchMatch算法的胶囊内镜图像相似度评估方法

每例胶囊内镜检查产生几万幅图像序列数据,给临床医学诊断带来极大困难,因此,研究胶囊内镜图像的相似度评估方法,筛查序列中冗余图像,对提高临床医生的阅片效率具有重要的意义。本研究提出基于空间约束的PatchMatch算法以实现胶囊内镜图像相似度评估。通过增加图像块偏移位置约束,限制图像块的初始化匹配区域,以及为待匹配的图像块提供不同的匹配搜索区域,对经典的PatchMatch算法进行改进,实现了局部图像块的匹配;然后,结合匹配图像块的位置和纹理特征信息生成图像等级的集成描述器,并通过集成描述器间的联合概率评估图像间的相似度。综合不同描述器算子(SIFT,HOG)对10例含5000幅以上胶囊内镜图像序列进行冗余筛查实验。结果显示,筛查的准确率、召回率和F-measure分别为93.73%、95.44%和94.77%。所提出的方法可有效地进行胶囊内镜图像的相似度评估。

基于主题模型的胶囊内镜图像序列筛查

无线胶囊内窥镜(WCE)是用于记录患者消化道影像的新技术,该技术的出现给消化道疾病诊断带来了极大帮助。但在检测过程中,每位患者所产生的约5~8万幅图像中含有大量气泡和杂质等干扰图像,极大地影响了疾病诊断的效率。目前大多数方法只针对气泡筛查,且这些方法通常不稳定、普适性较差。因此,提出一种基于主题模型的WCE图像语义分析方法筛查序列中干扰性图像。首先构建非对称自编码器提取图像特征,并利用K-Means算法对训练图像块特征聚类构建视觉单词;其次将测试图像块特征映射到视觉单词中,获得测试图像的词频矩阵,实现基于视觉单词的图像语义表达;最后利用主题模型对词频矩阵进行分析,获取图像语义分类。数据集来源于南京东部战区总医院的消化道内科30例不同患者的WCE图像序列,且由临床经验丰富的医生进行注解,其中包括3 340幅气泡图像、3 330幅杂质图像和3 330幅正常图像,以1∶1的比例随机划分为训练集和测试集,进行10次交叉验证。实验结果表明,该方法能有效筛查出干扰性图像,基于深度学习的卷积自编码器优于传统的特征提取方式,获得96.87%的精度,有效地减少医生阅片负担,提高疾病诊断效率。

Accuracy and Repeatability of Computer Aided Cervical Vertebra Landmarking in Cephalogram

The accuracy and repeatability of computer aided cervical vertebra landmarking (CACVL) were investigated in cephalogram.120 adolescents (60 boys,60 girls) aged from 9.1 to 17.2 years old were randomly selected.Twenty-seven landmarks from the second to fifth cervical vertebrae on the lat-eral cephalogram were identified.In this study,the system of CACVL was developed and used to iden-tify and calculate the landmarks by fast marching method and parabolic curve fitting.The accuracy and repeatability in CACVL group were compared with those in two manual landmarking groups [orthodon-tic experts (OE) group and orthodontic novices (ON) group].The results showed that,as for the accu-racy,there was no significant difference between CACVL group and OE group no matter in x-axis or y-axis (P>0.05),but there was significant difference between CACVL group and ON group,as well as OE group and ON group in both axes (P<0.05).As for the repeatability,CACVL group was more reli-able than OE group and ON group in both axes.It is concluded that CACVL has the same or higher ac-curacy,better repeatability and less workload than manual landmarking methods.It’s reliable for cervi-cal parameters identification on the lateral cephalogram and cervical vertebral maturation prediction in orthodontic practice and research.