目的:比较和分析两种基于CT影像的胃癌区域淋巴结体积测量方法--球面感兴趣区(Sphere ROI) CT阈值法和手动勾画计算容积法的一致性。方法:收集接受根治性手术治疗的81例胃癌患者资料,根据纳入和排除标准,从转移性、非转移性淋巴结中各选...目的:比较和分析两种基于CT影像的胃癌区域淋巴结体积测量方法--球面感兴趣区(Sphere ROI) CT阈值法和手动勾画计算容积法的一致性。方法:收集接受根治性手术治疗的81例胃癌患者资料,根据纳入和排除标准,从转移性、非转移性淋巴结中各选取50枚进行测量和分析,比较两种方法测量淋巴结体积的一致性。一致性检验采用Kappa检验和组内相关系数(ICC)检验。结果:2名医师应用手动勾画计算容积法测量淋巴结体积的一致性(Kappa=0.823,ICC=0.980),以及应用Sphere ROI CT阈值法测量淋巴结体积的一致性(Kappa=0.892,ICC=0.992)均良好,且后者优于前者。另一方面,医师A在不同时间点应用手动勾画计算容积法测量淋巴结体积的一致性(Kappa=0.822, ICC=0.988),以及应用Sphere ROI CT阈值法测量淋巴结体积的一致性(Kappa=0.874,ICC=0.994)也较好,且后者优于前者。结论:Sphere ROI CT阈值法在胃癌区域淋巴结体积测量的一致性优于手动勾画计算容积法,且操作更简单便捷,推荐在胃癌区域淋巴结体积测量上优先考虑使用Sphere ROI CT阈值法。展开更多
嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色...嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regions with Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。展开更多
在工业生产中,待抓取物体往往具有种类众多、摆放位置杂乱、形状不规则等特点,使得难以准确获取物体抓取位姿。针对以上问题,提出一种基于深度学习的两阶段抓取位姿估计方法。第1阶段,提出一种基于YOLOv4(you only look once version4)...在工业生产中,待抓取物体往往具有种类众多、摆放位置杂乱、形状不规则等特点,使得难以准确获取物体抓取位姿。针对以上问题,提出一种基于深度学习的两阶段抓取位姿估计方法。第1阶段,提出一种基于YOLOv4(you only look once version4)改进的轻量级旋转目标检测算法,提高目标的检测速度和检测精度。首先,使用轻量化网络GhostNet和深度可分离卷积对原始网络进行重构,降低整个模型参数。然后,在颈部网络中增加自适应空间特征融合结构和无参注意力模块,提高对感兴趣区域的定位精度;最后,使用近似倾斜交并比(skew intersection over union,SkewIoU)损失解决角度的周期性问题。第2阶段,制作与原始图片尺寸一样的掩膜提取感兴趣区域;同时,提出一种改进的DeepLabV3+算法,用以检测感兴趣区域中物体的抓取位姿。实验结果表明,改进后的YOLOv4网络检测精度达到92.5%,改进的DeepLabV3+算法在Cornell抓取数据集上的图像拆分和对象拆分精度分别达到94.6%,92.4%,且能准确检测出物体的抓取位姿。展开更多
3维波数域成像处理方法对回波信号距离历程不做近似,成像重建精度高。机载下视阵列3D SAR跨航向阵列长度相比跨航向幅宽小很多,需将回波信号尺寸补零到成像场景尺寸以防止FFT时出现卷绕,过高的补零倍数给波数域成像处理带来内存需求和...3维波数域成像处理方法对回波信号距离历程不做近似,成像重建精度高。机载下视阵列3D SAR跨航向阵列长度相比跨航向幅宽小很多,需将回波信号尺寸补零到成像场景尺寸以防止FFT时出现卷绕,过高的补零倍数给波数域成像处理带来内存需求和运算量的激增。如果能够仅对ROI(Region Of Interest)而非整个观测场景进行成像处理就能够极大程度降低补零倍数,提高该算法的时效性。该文提出的波数域快速成像方法首先在波传播-航迹向和波传播-跨航向完成两次2维成像处理,结合两次2维成像处理结果确定ROI,最后使用3维波数域算法对ROI进行3维精确重建。实验数据验证了该文算法的有效性。展开更多
文摘目的:比较和分析两种基于CT影像的胃癌区域淋巴结体积测量方法--球面感兴趣区(Sphere ROI) CT阈值法和手动勾画计算容积法的一致性。方法:收集接受根治性手术治疗的81例胃癌患者资料,根据纳入和排除标准,从转移性、非转移性淋巴结中各选取50枚进行测量和分析,比较两种方法测量淋巴结体积的一致性。一致性检验采用Kappa检验和组内相关系数(ICC)检验。结果:2名医师应用手动勾画计算容积法测量淋巴结体积的一致性(Kappa=0.823,ICC=0.980),以及应用Sphere ROI CT阈值法测量淋巴结体积的一致性(Kappa=0.892,ICC=0.992)均良好,且后者优于前者。另一方面,医师A在不同时间点应用手动勾画计算容积法测量淋巴结体积的一致性(Kappa=0.822, ICC=0.988),以及应用Sphere ROI CT阈值法测量淋巴结体积的一致性(Kappa=0.874,ICC=0.994)也较好,且后者优于前者。结论:Sphere ROI CT阈值法在胃癌区域淋巴结体积测量的一致性优于手动勾画计算容积法,且操作更简单便捷,推荐在胃癌区域淋巴结体积测量上优先考虑使用Sphere ROI CT阈值法。
文摘嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regions with Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。
文摘在工业生产中,待抓取物体往往具有种类众多、摆放位置杂乱、形状不规则等特点,使得难以准确获取物体抓取位姿。针对以上问题,提出一种基于深度学习的两阶段抓取位姿估计方法。第1阶段,提出一种基于YOLOv4(you only look once version4)改进的轻量级旋转目标检测算法,提高目标的检测速度和检测精度。首先,使用轻量化网络GhostNet和深度可分离卷积对原始网络进行重构,降低整个模型参数。然后,在颈部网络中增加自适应空间特征融合结构和无参注意力模块,提高对感兴趣区域的定位精度;最后,使用近似倾斜交并比(skew intersection over union,SkewIoU)损失解决角度的周期性问题。第2阶段,制作与原始图片尺寸一样的掩膜提取感兴趣区域;同时,提出一种改进的DeepLabV3+算法,用以检测感兴趣区域中物体的抓取位姿。实验结果表明,改进后的YOLOv4网络检测精度达到92.5%,改进的DeepLabV3+算法在Cornell抓取数据集上的图像拆分和对象拆分精度分别达到94.6%,92.4%,且能准确检测出物体的抓取位姿。
文摘3维波数域成像处理方法对回波信号距离历程不做近似,成像重建精度高。机载下视阵列3D SAR跨航向阵列长度相比跨航向幅宽小很多,需将回波信号尺寸补零到成像场景尺寸以防止FFT时出现卷绕,过高的补零倍数给波数域成像处理带来内存需求和运算量的激增。如果能够仅对ROI(Region Of Interest)而非整个观测场景进行成像处理就能够极大程度降低补零倍数,提高该算法的时效性。该文提出的波数域快速成像方法首先在波传播-航迹向和波传播-跨航向完成两次2维成像处理,结合两次2维成像处理结果确定ROI,最后使用3维波数域算法对ROI进行3维精确重建。实验数据验证了该文算法的有效性。
