基于AS-OCT图像的核性白内障多级排序分类算法研究

目的探讨基于眼前节光学相干断层扫描(AS-OCT)图像的核性白内障智能辅助分级算法对白内障分级的诊断价值。方法采用诊断试验研究方法,收集2020年11月至2021年9月间同济大学附属第十人民医院电子病例系统中核性白内障患者939例1608眼的AS-OCT图像资料,所有资料均符合临床阅片清晰度要求。其中男398例664眼,女541例944眼,年龄18~94岁,平均年龄(65.7±18.6)岁。由3名经验丰富的临床医生基于晶状体混浊分类系统(LOCSⅢ分级系统),对所收集的AS-OCT图像进行1~6级人工标注。构建一种基于多级排序的全局-局部白内障分级算法,该算法包含5个基本的二元分类全局-局部网络(GL-Net),每个GL-Net聚合白内障核区域、原始图像等多尺度信息进行核性白内障分级。基于消融实验和模型对比试验,采用准确率、精确率、灵敏度、F1指标及Kappa系数对模型性能进行评价,且所有结果均通过五折交叉验证。结果模型在核性白内障数据集上的准确率、精确率、灵敏度、F1、Kappa分别为87.81%、88.88%、88.33%、88.51%、85.22%。消融实验结果表明,ResNet18结合局部特征和全局特征进行多级排序分类,模型在准确率、精确率、灵敏度、F1、Kappa指标上均有提升。与ResNet34、VGG16、Ranking-CNN、MRF-Net模型比较,本研究模型各性能指标均有提升。结论基于深度学习的AS-OCT核性白内障图像多级排序分类算法对白内障分级具有较高的准确度,有望辅助提高眼科医生对核性白内障的诊断精度以及效率。

基于SPIHT编码的语音信号压缩算法

提出了一种基于最佳小波包变换和SPIHT编码的语音信号压缩编码方法。该方法首先对语音信号进行小波包变换,求解最佳小波树,进行动态位分配,再用改进的SPIHT算法对变换后的小波系数进行压缩编码。并且采用了熵编码的方法进一步提高了压缩比。实验表明,该方法在较高的压缩比下能获得较好的信号重构质量,计算复杂度低,延迟小。

一种适于空间CCD图像压缩的SPIHT改进算法

针对传统遥感图像压缩多级树集合分裂排序(SPIHT)算法由于采用取决于图像内容的动态处理顺序而导致处理速度缓慢这一问题,提出一种适于空间时间延时积分(TDI)CCD相机图像压缩的SPIHT改进算法。首先,将小波变换后的图像分解成4×4块,同时对一个4×4块的一个比特平面所有比特进行编码。为了实现并行处理机制,SPIHT改进算法重组传统SPIHT算法的3个通道,然后采用并行和流水线作业的方式编码3个重组通道。实验结果表明,本文提出的压缩算法可以稳定正常的工作,具有良好压缩性能,平均信噪比(PSNR)性能与传统方法相当,而数据吞吐率远高于传统方法。在正常100MHz时,数据吞吐率达到120Mpixle,大大提高压缩算法的处理速度。SPIHT改进算法非常适合空间CCD相机图像压缩应用。