基于三重注意力的脑肿瘤图像分割网络

脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础。针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络。首先,借鉴残差结构,将原始图像分割网络结构的编码层和解码层中的卷积模块替换为深度残差模块,解决网络加深带来的梯度消失问题。其次,通过引入三重注意力模块,融合图像局部与全局特征信息,使网络更好地学习重要的图像特征信息,提升网络对脑肿瘤图像的分割精度。最后,在MICCAI比赛发布的BraTS脑肿瘤图像分割数据集上(包括335例患者病例),采用Dice系数等脑肿瘤评价指标进行性能评估。其中,脑肿瘤整体可达85.20%,脑肿瘤核心可达87.10%,增强脑肿瘤区域可达80.80%。实验结果显示,所提出的分割网络能够在不增加计算时间的前提下提高脑肿瘤MRI图像的分割性能。

基于字体骨架提取的结构相似性度量研究

提出一种改进的ZS骨架提取算法及其骨架相似度计算方法。改进的骨架提取算法能够更好的使提取出的书法字骨架保持原字拓扑结构更近的连通性,解决了传统方法在笔画端点出现的变形以及分叉的问题。实验结果表明:改进的骨架提取算法可以得到汉字字体整体骨架,并利用不变矩以及皮尔逊相关系数度量六种书法字骨架之间的相似程度。