车载点云特征对应影像自动分割技术研究

车载点云数据通过自动提取,可快速得到大量的三维特征数据,利用同步影像数据不仅能提高目标判读的准确性与效率,而且能获取目标对象的属性信息,对质检巡视、部件属性调查、三维建模等生产活动有重要的作用。本文提出了一种车载点云特征数据对应的影像自动分割技术,通过影像的位置姿态判断影像与特征信息间的关系,实现最佳影像自动选取和分割,生成适当范围局部正射影像,并在新影像中标示出特征信息的正确位置。

不同固定窗宽/窗位调节在医学图像自动分割中的应用研究

目的以肺癌放疗涉及的危及器官为例,通过对胸部CT影像进行固定窗宽(Window Width,WW)/窗位(Window Level,WL)的调节处理,探究不同WW/WL对基于深度学习的危及器官自动勾画结果的影响。方法利用2D-Unet对2017年肺癌危及器官分割比赛中的危及器官(包括左右肺、食管、脊髓和心脏)进行自动分割;训练前均进行WW/WL调节的预处理,即对训练的CT图像分别进行软组织窗、肺窗、纵隔窗、骨窗及全窗宽的调节,然后对每一种危及器官均采用相同的条件进行训练;共60例数据集,任选其中48例为训练集,余下12例为测试集;自动分割结果采用Dice相似性系数(Dice Similarity Coefficient,DSC)和95%豪斯多夫距离(Hausdorff Distance,HD)进行评估;统计方法采用Kruskal-Wallis H秩和检验或方差分析。结果不同WW/WL调节对左、右肺及脊髓的自动分割DSC值无显著影响(P=0.057、0.090、0.894);对食管和心脏的自动分割DSC值有显著影响(P<0.001)。脊髓在不同WW/WL下的95%HD值无统计学差异(P=0.116);左右肺、食管和心脏在不同WW/WL下的95%HD值均有统计学意义(P=0.005、0.001、0.007、<0.001)。结论不同的固定WW/WL调节对不同危及器官自动勾画结果的影响不同,在进行基于深度学习的CT影像自动分割时应选取合适的WW/WL。