CT窗口设置对人工智能分类肺部病变结果的影响

目的:应用3种不同的3D CNN的算法及5种CT窗口设置,探讨CT窗技术对人工智能分类肺部病变结果的影响。方法:回顾性分析172例周围型肺癌及185例局灶性肺炎的胸部CT影像资料,选择ResNet、ResNext以及DenseNet 3种不同的3D CNN的算法将病变分为两组,并在每1种3D CNN算法处理过程中应用5种不同的CT窗口设置,包括肺窗(1500,-600),纵隔窗(350,40),自定义窗口1(SW1)(1000,40),自定义窗口2(SW2)(1000,-100),全窗(4096,1024),分别计算分类准确率及AUC结果,并进行ROC曲线的两两对比。结果:ResNet的平均分类准确率最低为纵隔窗85.732%,AUC值为0.871;平均分类准确率最高为全窗,达91.596%,AUC值为0.946。ResNext的平均分类准确率最低为纵隔窗81.528%,AUC值为0.814;平均分类准确率最高为全窗,达86.568%,AUC值为0.882。DenseNet的平均分类准确率最低为纵隔窗87.954%,AUC值为0.906;平均分类准确率最高为SW2,达93.274%,AUC值为0.951。应用medcalc将3种3D CNN的5种窗口下的ROC曲线进行了两两对比发现,纵隔窗与肺窗、纵隔窗与SW1、纵隔窗与SW2之间的AUC值比较均有统计学意义。结论:3种3D CNN的分类诊断效能差别不大;CT窗口设置对CNN分类肺部病变结果有影响,在纵隔窗设置下以上3种人工智能算法对该两类肺部病变的诊断效能最差。

大鼠动脉螺旋血流的荧光成像

目的建立大鼠动脉螺旋血流的实时荧光成像法。方法随机将SD大鼠分为静脉造影组(股静脉注射,1 mL/kg)与小剂量动脉造影组(腹主动脉注射,0.1 mL/kg),其中小剂量动脉造影组又分为荧光素钠组、罗丹明B组、FITC-dextran组和量子点组(每组n=7)。通过体式荧光显微镜实时观察大鼠股动脉血液流动现象,用高速摄像机拍摄动态图像,通过图像阈值分割算法及形态学后处理算法标定荧光区域,测算大鼠股动脉螺旋血流的轴向速度与切向速度,并计算其螺距和壁剪切应力。结果与静脉造影组相比,小剂量动脉造影组可以清晰显示大鼠股动脉的血流呈顺时针螺旋样流动,在FITC-dextran造影剂组可计算出大鼠螺旋血流的轴向速度为(198.4±112.7)mm/s,切向速度为(3.3±0.8)mm/s,螺距为(126.1±76.3)mm,壁剪切应力为(9.5±5.6)Pa。每只大鼠重复3次注射,测得的轴向、切向速度结果无差异。结论实时荧光成像法可以用于在体观察大鼠动脉螺旋血流并对螺旋血流的血流动力学特征进行定量分析。

快速非刚体人体运动三维重建

为了实现基于单目深度传感器的快速非刚体人体运动三维重建,提出一种基于骨架的非刚体人体运动点云融合算法.首先利用分割的人体局部点云配准,对深度传感器提取的人体骨架进行修正,提高了骨架提取的准确性;当相邻2帧之间存在较大人体运动时,利用骨架驱动人体表面点云进行点云粗配准;在粗配准的基础上,利用非刚体点云融合算法进行点云的精细配准,得到精确的表面重建.实验结果表明,该算法能够鲁棒地重建快速非刚体三维人体运动.

图形图像积分与微分不变量的构造与应用

作为图形图像数据的常用特征,微分不变量和以矩不变量为代表的积分不变量在计算机视觉、模式识别和计算机图形学等领域扮演了重要角色。在过去二十年中,本研究团队利用基本生成函数构造了灰度图像、彩色图像、向量场、点云、曲线和网格曲面等图形图像数据在几何变换、颜色变换、图像模糊和全变换下的矩不变量;证明了仿射变换下几何矩不变量与微分不变量之间满足同构关系,提出了一种获取仿射微分不变量的简单方法,并进一步得到了射影变换和莫比乌斯变换下图形图像的微分不变量;为了增强深度神经网络对常见图形图像变换的不变性,探索了如何将图形图像不变量引入深度神经网络模型。系统回顾与总结了上述工作,简要介绍了如何使用基本生成函数构造图形图像在仿射变换下的几何矩不变量与微分不变量,分析了图形图像不变量的典型应用场景及优缺点,并对未来的研究进行了展望。

形状和颜色变换下图像的Gaussian-Hermite矩不变量

矩不变量是计算机视觉和模式识别领域常用的图像不变特征.现有的形状和颜色变换下彩色图像的矩不变量均基于几何矩构造,因此抗噪性较差.针对该问题,提出了利用基本微分算子和颜色几何基元生成旋转-仿射变换下彩色图像Gaussian-Hermite正交矩不变量的方法,所构造的不变量均为Gaussian-Hermite矩的齐次多项式;然后生成所有可能的低阶低次不变量,并从中得到13个满足线性独立关系的不变量实例.基于合成图像数据集和HPatches图像数据集进行了数值稳定性验证、图像分类和模板匹配实验,结果表明,13个不变量实例具有良好的数值稳定性和抗噪性;使用它们得到的分类和匹配准确率比同类矩不变量分别高出10%和30%左右.

具有旋转运动模糊不变性的卷积神经网络:RMBI-Net

针对高速旋转的相机拍摄图像产生的旋转运动模糊带来的目标分类较为困难的问题,本文主要研究手工特征与卷积神经网络(CNN)的结合,在网络结构底层赋予卷积神经网络不变性,提升网络在分类任务中的准确率。本文基于Gaussian-Hermite(GH)矩旋转运动模糊不变量(RMB_GHMI),通过计算卷积神经网络隐藏层特征图上的RMB GHMI来实现将旋转运动模糊不变性引入到卷积神经网络中,使网络本身具有一定的旋转运动模糊不变性,并使网络可从受到严重噪声干扰的旋转运动模糊的图像中直接进行目标分类。实验结果表明,在旋转运动模糊后的MNIST数据集上,相对于经典卷积神经网络,本文方法可以将图像分类准确率提升30%左右;在旋转运动模糊后的CIFAR-10数据集上,图像分类准确率可以提升4%~16%。

Quantitative Evaluation of Sea-ice Disaster in Bohai Sea Based on GOCI and Sentinel-1

The Circum-Bohai-Sea Region is an important economic zone of China.The sea ice,which occurs at each winter,is the major marine hazard of the Bohai Sea.As a result,it is very important to evaluate the damage effects quantitatively in this region,which is seldom studied and analyzed systematically using long-time-series data.In this paper,the sea-ice disaster in the Bohai Sea is evaluated quantitatively based on the Sentinel-1 and GOCI.For different hazard-bearing bodies of the marine transportation and the offshore constructions,different sea-ice-hazard indexes are defined,which can be applied to analyze the sea-ice disaster quantitatively in the Bohai Sea,including the annual and inter-annual variations in the period from 2011 to 2017.The analysis results can provide the reference of the sea-ice monitoring in the Bohai Sea.