基于ABAS软件胸部放疗危及器官自动勾画图像集的建立与应用

目的旨在创建一个带有整套胸部正常器官的图像集,评估ABAS软件对胸部肿瘤自适应放疗患者基于CT图像自动勾画危及器官轮廓的吻合度。方法收集放疗科51例胸部肿瘤患者的放疗计划的CT扫描图像资料,导入ABAS软件(MIM5.6.1)系统,在该系统上创建胸部正常器官图像集。逐一选取图像集中的1例作为目标图像,利用余下包含50例患者的图像集在MIM系统上对该图像进行基于图像集的自动勾画,产生该患者13个胸部正常器官自动勾画的结果。再对自动勾画的结果进行人工修正,产生该患者13个胸部正常器官自动勾画后人工修正的结果。结果在图像集自身比较阶段,自动勾画与手工勾画形状相似度(Dice、Jaccard指数)在0.80以上的有左/右肺、心脏、主动脉、脊髓;经手工修正后,大多数器官可满足临床应用的要求:左/右肺、心脏、主动脉、脊髓、气管、皮肤、上腔静脉形状相似度均在0.80以上,其中皮肤、气管、上腔静脉经修正后具有更好的一致性,而左/右臂丛、食管、支气管树仍无法令人满意。结论基于ABAS软件图像集的自动勾画能准确生成左/右肺、心脏、主动脉、气管和上腔静脉。个别重要的器官如食管、脊髓和支气管树经过一定的手工修正后才能满足临床需要。在临床应用中可以大量节约时间和资源。

面向复杂地形的无人机集群遥感图像自动几何配准算法

为了提高无人机集群遥感图像自动几何配准精度,设计一个面向复杂地形的无人机集群遥感图像自动几何配准算法。首先获取遥感图像的特征点,然后计算图像特征向量,在此基础上,建立尺度空间模型找到图形间的连接关系,同时,建立图像匹配原则,通过匹配原则建立变换空间,确定两点之间的联系,最后建立配准模型,实现无人机集群遥感图像自动几何配准。实验结果表明,所研究的配准算法提高了配准精度与配准效率。

基于Talairach图谱的脑^(18)F-FDG PET图像基底节区的自动勾画

目的建立自动勾画基底节区的方法,并测定健康人的半定量值。方法通过非线性空间变换将PET图像经图像配准和图像形变2个步骤,归一化到Talairach坐标系,根据图谱中脑功能区的坐标,在三维图像中提取相应的基底节区,计算经大脑归一化后尾状核和壳核的半定量值。结果基于Talairach图谱可自动勾画尾状核和壳核,左侧尾状核头、体、尾部的正常值分别为1.02±0.04、0.92±0.07和0.71±0.03,右侧分别为0.98±0.03、0.87±0.04和0.71±0.01,左、右侧壳核的正常值分别为1.20±0.06和1.20±0.04,左右侧半定量值差异无显著性(P>0.05)。结论基于Talairach图谱自动勾画尾状核和壳核的方法有效。

基于蒙特卡罗数据集均衡与鲁棒性增量极限学习机的图像自动标注

针对传统图像标注模型存在着训练时间长、对低频词汇敏感等问题,该文提出了基于蒙特卡罗数据集均衡和鲁棒性增量极限学习机的图像自动标注模型.该模型首先对公共图像库的训练集数据进行图像自动分割,选择分割后相应的种子标注词,并通过提出的基于综合距离的图像特征匹配算法进行自动匹配以形成不同类别的训练集.针对公共数据库中不同标注词的数据规模相差较大,提出了蒙特卡罗数据集均衡算法使得各个标注词间的数据规模大体一致.然后针对单一特征描述存在的不足,提出了多尺度特征融合算法对不同标注词图像进行有效的特征提取.最后针对传统极限学习机存在的隐层节点随机性和输入向量权重一致性的问题,提出了鲁棒性增量极限学习,提高了判别模型的准确性.通过在公共数据集上的实验结果表明:该模型可以在很短时间内实现图像的自动标注,对低频词汇具有较强的鲁棒性,并且在平均召回率、平均准确率、综合值等多项指标上均高于现流行的大多数图像自动标注模型.

融合深度主动学习的医学图像半自动标注系统

目前深度学习在医学图像分析领域取得的良好表现大多取决于高质量带标注的数据集,但是医学图像由于其专业性和复杂性,数据集的标注工作往往需要耗费巨大的成本.本文针对这一问题设计了一种基于深度主动学习的半自动标注系统,该系统通过主动学习算法减少训练深度学习标注模型所需的标注样本数量,训练完成后的标注模型可以用于剩余数据集的标注工作.系统基于Web应用构建,无需安装且能跨平台访问,便于用户完成标注工作.

膀胱结构在CT与CBCT图像及自动勾画软件间的比较

目的比较宫颈癌放疗患者膀胱结构在CT与锥形束CT(Cone Beam CT,CBCT)图像中的影像学差异,定量评估三款软件在2种图像中自动勾画膀胱结构的准确度,探讨当前模型自动勾画CBCT图像中膀胱结构的可行性,为实现基于CBCT图像的膀胱充盈状态快速评估提供研究基础。方法回顾性分析我院收治的20例宫颈癌放疗患者的定位CT图像及CBCT图像,通过HU均值(HU_(mean))、熵(ENT)、逆差距(IDM)分析两种图像中膀胱结构的影像学差异。以其中的手动勾画结构为参考,通过体积差异(ΔV%)、Dice相似性系数(DSC),定量评估3款软件在CT及CBCT图像中自动勾画膀胱结构的体积与形状准确性。结果CT图像中膀胱结构的ENT、IDM、HU_(mean)分别为2.79±0.40,0.72±0.03,7.64±15.06,CBCT图像中分别为5.12±0.59,0.54±0.06,26.17±24.19,各指标间的差异均有统计学意义(P<0.01)。三款软件在CT中自动勾画膀胱结构的DSC值均大于0.7,在CBCT中均小于0.7。三款软件在CT图像中的自动勾画膀胱结构与手动勾画的体积差异均小于CBCT图像。结论CBCT图像中膀胱结构的CT值波动及噪声显著高于CT图像。三款基于深度学习的自动勾画软件均能在CT图像中实现膀胱结构的准确勾画,但受到网络训练原始数据及图像间固有影像学差异的影响,尚不能用于CBCT图像。

基于MRI图像的自动勾画技术在宫颈癌放疗中的 应用研究

目的:研究AccuLearning和AccuContour软件在宫颈癌患者MRI图像上进行模型构建和自动勾画的可行性和准确性。方法:随机选取某院放疗科的40例宫颈癌患者,并随机选取其中30例宫颈癌患者的MRI图像,在Accu-Learning中按照推荐参数进行模型训练、验证和测试,统计训练模型和测试病例的平均相似性系数(Dice)。将训练模型导入AccuContour,并输入其余10例患者的MRI图像,以手动勾画为参考,统计自动勾画和手动勾画的平均Dice值、交叉指数(overlap index,OI)以及绝对体积差异。采用SPSS 25.0软件进行统计学分析。结果:训练模型的综合Dice值为0.80,各测试病例的Dice值分别为0.87、0.78和0.75,训练结果满足临床要求。自动勾画与手动勾画膀胱的Dice值和OI值分别为0.91±0.07、0.96±0.03,双侧股骨头的Dice值和OI值分别为左侧0.94±0.02、0.99±0.01,右侧0.91±0.04、0.99±0.01,直肠的Dice值和OI值分别为0.80±0.07、0.97±0.03,乙状结肠的Dice值和OI值分别为0.47±0.14、0.93±0.05。膀胱和乙状结肠的自动勾画绝对体积大于手工勾画,双侧股骨头和直肠的自动勾画绝对体积小于手工勾画。除右侧股骨头外,其余危及器官的自动勾画与手工勾画的绝对体积差异均无统计学意义。结论:基于AccuLearning的小样本训练模型训练效果较好,基于小样本训练模型采用AccuContour进行自动勾画具有临床可行性,可以提高宫颈癌危及器官勾画的质量和效率。

基于边缘竞争模糊水平集的脑部磁共振图像自动分割

针对脑部磁共振(MR)图像分割时容易出现的受噪声影响大和边缘定位模糊问题,提出一种以基于核函数的增强模糊C均值(RFCMK)算法结果为先验知识的边缘竞争水平集自动分割方法。首先采用RFCMK算法对图像进行预分割;然后对预分割后的各子类图像进行阈值化处理,并将其边缘作为水平集演化的初始轮廓;最后采用引入竞争机制的边缘指示器对各部分边缘进行演化。该方法对模拟图像不同层切面的分割实验表明,基于面积和基于边缘的评估统计值范围分别为[0.91,0.95]和[0.05,0.22]。对噪声图像的实验结果表明该方法能够有效地抑制噪声对分割结果的影响。

基于图像处理的作物病害自动识别系统的研究

为了实现对作物病害检测与防治的自动化,构建了一个基于叶片病斑图像处理的计算机诊断系统,以实现作物叶部病害的自动识别。该系统依据作物病叶颜色差异,用EM算法和偏微分方程水平集模型等图像分割算法,从图像中获取完整准确的病斑;然后提取病斑的颜色、形状和纹理特征,运用主成分分析方法对数据进行降维处理;最后采用神经网络和支持向量机方法对这些特征进行学习与分类,以及病害识别。系统已试用于黄瓜、番茄等园艺作物叶部病害的自动诊断与识别,其优点是自动化程度高,识别准确率在一定条件下较好。

一种自适应的Web图像语义自动标注方法

提出了一种自适应的Web图像语义自动标注方法:首先利用Web标签资源自动获取训练数据;然后通过带约束的分段惩罚加权回归模型将关联文本权重分布自适应学习和先验知识约束有机地结合在一起,实现Web图像语义的自动标注.在4000幅从Web获得的图像数据集上的实验结果验证了该文自动获取训练集方法以及Web图像语义标注方法的有效性.

基于MIM软件自动勾画宫颈癌危及器官精准度的研究

目的:探讨放射治疗中应用靶区勾画MIM软件自动勾画宫颈癌危及器官(OAR)的精准度,探讨模板数据库病例数对勾画准确性的影响。方法:选取医院收治的70例宫颈癌患者,按照随机数表法在MIM软件中建立A数据库组(20例),在A数据库组的基础上再选取20例建立B数据库组(20+20例),在B数据库组的基础上再选取20例建立C组数据库(40+20例),数据库包含每例患者CT扫描图像和手工勾画图像资料;选取剩余10例宫颈癌患者的CT图像,分别使用3个数据库进行OAR自动勾画,与作为“金标准”的手工勾画图像进行比较。采用Dice相似性系数(DSC)、Hausdorff距离(HD)、Jaccard系数和体积差异性系数对MIM软件勾画OAR的精准度进行评价,并使用单因素方差分析判断模板数据库的病例数对自动勾画结果的影响。结果:在4项评价参数分析中,MIM软件对于脊髓、左股骨头、右股骨头、左肾以及右肾的自动勾画的DSC均>0.8,体积差异性系数<0.2;膀胱的DSC>0.8,但其余3项参数显示其自动勾画的结果欠佳;直肠的各项评价参数均未达到临床要求;不同组别间各个器官单因素方差分析结果无统计学差异。结论:应用MIM软件自动勾画宫颈癌OAR能较好地生成脊髓、左股骨头、右股骨头、左肾及右肾的图像轮廓,膀胱以及直肠的自动勾画未能满足临床要求;模板数据库的病例数对自动勾画OAR准确性无明显影响。

甲骨拓片图像的目标自动定位算法

为了解决当前图像目标定位算法难以自动定位发生形变的目标,且定位时间耗时长等不足,提出一种基于稀疏活动轮廓模型的甲骨拓片图像的目标自动定位算法.对甲骨拓片图像进行分块,对每一块进行形状估计,在目标形状估计约束下,利用共同勾画算法学习图像目标轮廓模型,在待定位图中扫描出与模型匹配数值最高的区域,将其作为定位结果,利用基于距离约束的霍夫变换,精确定位结果.实验结果表明,所提算法可以有效克图像目标尺度变化大的问题,提高了目标自动定位精度,减少了定位耗时.

融合图像局部能量和梯度的水平集分割方法

为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,其外部能量函数能加速零水平集向目标边界的运动,内部能量函数则推动零水平集离开平坦区域.该方法提高了水平集演化的速度和稳定性;通过调节水平集对不同强度边缘的敏感度,能够提取出弱边缘;而且不需要交互式操作.实验结果表明,该方法在分割灰度不均匀图像时,具有快速、准确和鲁棒性好的特点.

基于Vague融合的自动图像标注方法

提出了一种基于Vague融合的自动图像标注方法,通过有效区域匹配方式,利用近邻语义信息来平衡正负样本数目,并且首次利用Vague集的真假隶属度融合图像的区域信息,从而获得更准确的标注结果.实验结果表明,该标注方法是可行的,同时,与传统的标注方法相比,标注结果得到了明显的提高.

嵌入式结构下集成优化自动控制系统设计

随着互联网技术的发展,数字图像处理与优化已普遍应用于各个领域;近年来集成控制技术快速发展,图像处理系统已向集成控制方向发展;通过对现有的图像优化控制系统分析发现,系统普遍存在嵌入式结构下多模组协调逻辑性欠缺、自动处理识别反馈单元缺失、系统整体控制单元统一性欠佳,导致传统控制系统无法在嵌入式结构下快速、高效、平稳的运行;针对这些问题,提出嵌入式结构下集成优化自动控制系统设计方法;采用IFCO嵌入式逻辑数据库、多元数据主控平台、HRG数据平流稳定模组针对性的解决传统控制系统存在的一系列问题;通过仿真模拟实验测试证明,提出的系统设计方法具有处理速度快、数据信号执行准确率高、运行稳定性好的特点。

基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用

研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,并将其应用于病原菌的识别.由于引入边缘信息改进对分割的约束,加强了目标边缘对分割轮廓的吸引,同时消除了一些由噪声、阴影和杂质造成的影响.实验表明,改进后的先验形状水平集图像分割方法能直接从多目标粘连图像中提取单个目标,进一步完善了依据显微镜图像识别病原菌的图像处理方法.

针对颅脑放疗规划的海马体自动勾画平台及其验证

目的海马体是学习和记忆的神经生物基础,是头颈部放射治疗中需要重点保护的颅内危及器官。海马体轮廓通常由医生手动勾画,操作时间长且依赖医生经验。为提高海马体勾画的效率和可重复性,本文研发了一种海马体自动勾画平台(OAR AutoSketch),系统比较了基于中国人或欧美人大脑图谱配准的分割方法(scbt_Linear、scbt_Nonlinear、TT_linear、TT_Nonlinear),以及基于皮层配准的分割方法(FreeSurfer)用于海马体勾画的可行性。方法选取12名鼻咽癌患者的数据,采用OAR AutoSketch生成5种海马体轮廓和患者主治医生勾画的海马体轮廓混合呈现,招募12名医学影像部的医生进行随机双盲的主观准确性评分;邀请1名影像科专家在20名鼻咽癌患者的MRI图像上手动勾画海马体,作为海马体解剖标准,计算5种自动勾画方案的客观准确性。结果主观准确性评分结果显示,自动勾画的准确性普遍优于主治医生的手工勾画结果。和海马体解剖标准的空间相似性结果显示,FreeSurfer方法准确度最高。结论海马体的自动勾画具备一定的可行性,皮层配准算法总体优于基于图谱的配准算法。

一种自动初始化水平集的高频能量最小化三维分割模型

序列图像分割是医学图像三维重建的重要研究内容,但受成像技术限制,医学图像中往往包含大量低频信息,如偏移场、灰度不均等,影响分割准确性。从频域进行图像分割能有效避免低频信息干扰。在高频能量最小化分割模型基础上进行优化,设计了一种自动初始化水平集的分割模型并成功应用于三维分割领域。首先,使用形态学腐蚀方法进行粗分割,将提取出的三维曲面作为初始水平集,实现初始水平集轮廓面自动化;然后使用衍化后的水平集三维分割模型对其进行细分割。实验结果表明,采用该模型能够实现多目标分割,与原模型、Chan-Vese模型相比,分割结果更加准确。

基于微波光子学的激光夜视图像自动分割算法

目前,大部分激光夜视图像分割算法主要通过对图像的增强、融合等预处理实现分割,分割过程对噪声的抑制力较弱,且分割过于复杂,提出一种基于微波光子学的激光夜视图像自动分割算法,首先使用基于微波光子学的激光夜视图像高功率微波测量系统,获取激光夜视图像中光波信号,然后基于该信号采用基于水平集的激光夜视图像分割算法,将C-V模型的分割曲线设成初始曲线,用于获取激光夜视图像全局收敛性,再在激光夜视图像的后续分割中导入分割曲线的局部信息,提升激光夜视图像分割性能。实验结果验证了所提算法的有效性,且具有分割误差小、分割效率快以及显著的抗噪性优势,应用价值极高。

浅谈集控站自动化系统的组网模式

通过对应用实例的分析和比较,阐述集控自动化系统各种组网模式的特点和优缺点,同时对几个相关的技术问题进行讨论,提出集控自动化系统的发展模式和方向,为国内新建和改造的集控自动化系统提供可借鉴的运行经验。