组织分割供给对员工工作投入的影响:正念的调节

目的:基于工作要求–资源模型和资源保存理论,探究了组织分割供给对员工工作投入的影响机制及正念的调节作用。方法:采用组织分割供给量表、正念量表和工作投入量表进行测试,通过线上派发电子问卷进行数据收集,对383份有效问卷进行相关分析和层级回归分析。结果:(1) 对于低正念的员工,组织分割供给与工作投入呈U型曲线关系(β = 0.093, p < 0.05),在低–中组织分割供给范围,随着组织分割供给水平提升,工作投入水平下降,在中–高组织分割供给范围中,随着组织分割供给水平提升,工作投入水平上升;(2) 对于高正念的员工,组织分割供给与工作投入呈正向线性关系(β = 0.178, p < 0.001),组织分割供给水平越高,工作投入水平越高。结论:正念是组织分割供给影响员工工作投入的重要边界,对于正念水平不同的员工来说,组织分割供给对工作投入的影响并不一致。

基于遗传算法的胸部CT图像肺组织分割

肺组织分割是肺结节检测、肺功能定量分析、三维重建与可视化计算等胸部CT图像分析处理的基础。该文采用了一种基于遗传算法的边缘检测方法直接分割原始胸部CT图像的肺组织,利用遗传算法的全局寻优能力,以最大类间方差为适应度函数自动搜索最佳边缘检测阈值,并结合形态学处理提取肺组织边缘以实现肺组织分割。实验结果表明,该方法能简化分割处理,且分割效果较好,有不错的应用前景。

基于CT影像的肺组织分割方法综述

CT影像具有空间分辨率高的优点,是肺部疾病影像学诊断的首选方式。肺部病灶的检测和测量、肺功能的定量分析均需要精确的肺组织分割。为解决CT影像由于噪声、伪影、部分容积效应等干扰而导致的肺部各组织之间灰度交叠、边界模糊、难以分离的问题,系统地综述了针对肺部各个分割对象的有效解决方法。从肺实质分割、肺血管分割、肺气道分割、肺叶分割、肺结节分割以及肺部病变组织的分割等方面,详细分析了面临的挑战性问题和当前研究进展,并阐述了肺组织分割方法的发展趋势。

基于CT影像的肺组织分割及其功能定量分析

高精度的肺组织分割是肺功能定量分析的前提和基础,有利于慢性阻塞性肺病的辅助诊断.传统的肺组织分割方法没有去除肺轮廓内部的细支气管,且无法处理严重粘连的肺气肿病例.本文提出一种全自动的三维肺组织分割方法:首先采用带有错误检测机制的二维图像阈值选取和三维区域增长进行粗分割,得到肺气道和肺实质组成的肺部充气区域;然后结合阈值和气管形态分析分割肺气道树,在防止泄露的同时提取更多肺内细支气管;最后通过扫描线粘连定位和动态规划,实现前、后联合粘连的定位及左右肺分离.实验中分别采用20组EXACT09数据和20组VESSEL12数据对所提出的方法进行评价,结果显示提取的气道树平均分支数为131个,与医生标记的金标准比较分支检出率为54.09%;肺实质分割结果与数据集提供肺轮廓M ark比较,Jaccard系数为95.35%,平均绝对边界距离为0.89mm.结果表明,本文方法能够有效的提取肺组织,运行时间与传统方法相比在临床实际应用中具有一定优势.

改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。

组织分割供给与工作情绪衰竭的关系:工作心理脱离和工作→非工作冲突的中介作用

采用问卷调查法,对271名企业管理人员进行调查,探讨了组织分割供给与工作情绪衰竭的关系,以及工作心理脱离和工作→非工作冲突在其中的中介作用。结构方程模型分析表明:(1)组织分割供给不仅可以通过工作→非工作冲突的中介作用负向影响工作情绪衰竭;(2)还可以通过依次影响工作心理脱离和工作→非工作冲突进而负向影响工作情绪衰竭。因此,组织分割供给对个体的非工作角色和工作角色均有积极作用。

基于期望值最大化方法的磁共振图像人脑组织分割

目的利用期望值最大化方法进行磁共振图像的人脑组织分割。方法在分析当前常用的医学图像分割方法的基础上,提出一种基于统计理论的期望值最大化分割方法,并给出了相应的理论算法模型和实现步骤,最后用Visual C++6.0编程,并对磁共振大脑图像进行实验,并与应用SPM软件对同一幅图像的分割结果进行分析比较。结果本文分割方法与SPM软件的分割结果非常接近,大脑灰质、白质、脑脊液等组织之间边界清晰,总体不确定性较小。结论本文分割方法切实可行,分割效果较好,为进一步的磁共振图像分析和疾病研究提供了一种有效工具。

快速有效的半自动组织分割技术

针对医学可视化和虚拟内窥镜技术中的组织分割问题 ,提出边界模型和局部特征结构相结合的半自动解决方法 通过给定的特定体素点 ,结合边界模型找出特定组织的内部、外部体素 ,对边界体素计算汉森矩阵的特征值并按其特征结构进行分割 该方法只需要计算边界体素汉森矩阵的特征值 ,能够快速。

基于组织分割的医学体数据剖切方法

通过对医学体数据进行剖切,在方便观察其内部组织结构的同时,保留周围潜在的重要环境信息,可提供一个整体的情景图像。提出一种基于组织分割的体数据剖切方法,该方法关注于构成体数据的语义层,从医学诊断中的现实需求出发,以逻辑拆分来剖切体数据,以提供更加完整、直观的显示。将梯度矢量扩散法扩展到三维情形,同时提出三维梯度矢量扩散的体数据分割方法。在剖切方法中,首先运用三维梯度矢量扩散法来立体分割医学体数据中的组织,然后通过不同的空间传输函数来操作不同的组织,实现体数据的三维空间剖切体操作。实验结果表明,该方法能够有效去除遮挡数据以揭露内部信息,能保留相关环境信息来增加剖切的可理解性,可取得良好的虚拟剖切效果。

MR脑图像组织分割的方法

图像分割是一个经典难题,至今没有一个通用的有效分割方法,也不存在一个分割的评价标准。应用MRI图像进行脑组织自动和有效的分割对诊断、病理研究、放疗和外科手术计划的制定、手术导航、计算机辅助诊断等各方面均有着极其重要的意义。磁共振脑图像比普通图像要复杂,组织边界不清晰,用通用方法无法实现良好的分割。对目前应用于脑组织分割并取得良好效果的分割方法给予综合论述,并分析了脑组织分割的发展。

一种基于特征优化算法的磁共振脑组织分割方法

结合独立分量分析与支持向量机,提出一种基于特征优化算法的磁共振脑组织分割方法。首先,从图像中提取出灰度和纹理特征构成原始特征集;然后,利用独立分量分析技术对所提取的原始图像特征进行优化处理,提取其中的独立分量构成特征子集;最后,把训练样本与待分类样本都映射到特征子集所张成的独立空间中,利用特征子集对支持向量机分类器进行训练并对脑组织进行分类。实验结果表明,采用本研究的分割方法可以获得比其他相关方法更好的脑组织分割结果。

用于MRI脑组织分割的自动模糊连接方法

本研究提出了一种自动化的模糊连接(fuzzy connectedness,FC)方法,用于3维核磁共振(MRI)图像脑组织分割。方法的主要创新在于提出了FC方法中各项参数的自动指定方法,包括:利用灰质、白质各自的体素尺度(scale)值大小差异,自动估计组织的灰度概率密度函数;根据估计得到的组织灰度概率密度函数,自动指定种子点。从而避免了人工干预,保证了分割过程的自动化和可重复性。所提方法在IBSR(the Intemet Brain SegmentationRepository)数据库所提供的MRI图像上进行了测试,并和同类研究进行了对比,分割精度优于同类研究。作为一种完全自动化的方法,该方法能够被广泛应用到3维可视化、放疗手术计划和医学数据库构造中。

基于逐像素点深度卷积网络分割模型的上皮和间质组织分割

上皮和间质组织是乳腺组织病理图像中最基本的两种组织,约80%的乳腺肿瘤起源于乳腺上皮组织.为了构建基于乳腺组织病理图像分析的计算机辅助诊断系统和分析肿瘤微环境,上皮和间质组织的自动分割是重要的前提条件.本文构建一种基于逐像素点深度卷积网络(CN-PI)模型的上皮和间质组织的自动分割方法.1)以病理医生标注的两类区域边界附近具有类信息为标签的像素点为中心,构建包含该像素点上下文信息的正方形图像块的训练集.2)以每个正方形图像块包含的像素的彩色灰度值作为特征,以这些图像块中心像素类信息为标签训练CN模型.在测试阶段,在待分割的组织病理图像上逐像素点地取包含每个中心像素点上下文信息的正方形图像块,并输入到预先训练好的CN网络模型,以预测该图像块中心像素点的类信息.3)以每个图像块中心像素为基础,逐像素地遍历图像中的每一个像素,将预测结果作为该图像块中心像素点类信息的预测标签,实现对整幅图像的逐像素分割.实验表明,本文提出的CN-PI模型的性能比基于图像块分割的CN网络(CN-PA)模型表现出了更优越的性能.

基于肺部组织分割的肺功能定量分析系统的开发与设计

为了更加便利、快捷地在基于CT的肺部疾病诊断中获取相关肺功能指标,以便于辅助医生进行诊断,本研究开发了基于肺部组织分割的肺功能定量分析系统。系统主要分为三个部分:肺部组织的分割,肺部组织的三维重建以及肺功能定量分析模块。在利用已有方法分割出肺实质、肺气管和肺血管的基础上,提出了自动修补由肺结节造成的肺实质孔洞以及肺边缘缺陷的方法,利用基于海森矩阵的圆点增强算法分割出疑似肺结节区域,结合手动选取种子点确定明显肺结节。实现了肺部多组织的三维重建,可计算整体、局部(volume of interest,VOI)区域以及感兴趣CT值范围内的肺功能指标从而进行肺功能定量分析,并可在二维和三维上定位显示测算对象,结合多方面辅助医生诊断。

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。

用于脑组织分割的多尺度注意网络

基于脑组织分割的精确头模型有助于提升经颅磁刺激的治疗效果,但由于人脑的复杂性,很难实现精确的脑组织分割。为此,本文提出了基于迁移学习的多尺度注意网络,该网络可以学习多模态数据之间的互补信息,采用迁移学习方法解决小样本数据引起的过拟合问题,利用膨胀卷积提取多尺度特征,加入注意力机制提高脑组织分割的准确性。通过MRBrainS挑战赛验证了网络的有效性,在多项指标中取得了最好成绩。多尺度注意网络可以为个性化头模型的建立提供一个较好的分割结果,进而优化经颅磁刺激的治疗效果。

基于结合Transformer和卷积神经网络的生成对抗网络在磁共振成像中分割胎盘组织

磁共振成像(MRI)胎盘组织的准确分割对于研究妊娠和分娩并发症具有重要意义,但传统放射科医师的人工标注难以保证分割准确性和客观性,且费时费力.为了开发用于MRI中胎盘组织自动分割的深度学习模型,提出了结合Transformer和卷积神经网络(CNN)的生成对抗网络(TCGANet).将特征嵌入模块与跳跃连接相结合,缓解传统特征融合方法带来的信息丢失.在此基础上引入内容提取模块,采用Transformer的自注意力机制捕捉全局依赖关系,有效表示MRI的全局和局部信息.此外,鉴于传统分割方法难于精确界定MR影像胎盘组织边缘的问题,运用判别网络对胎盘组织分割的生成网络监督,以提高胎盘边缘界定的精度.结果表明,该模型在定量指标和边界定位精度方面显著优于现有分割方法,其中准确度为0.993±0.003,灵敏度为0.903±0.093,特异度为0.996±0.003,Dice相关性系数为0.861±0.141.对模型不同结构的消融实验验证了网络结构设计的合理性,大部分性能指标明显优于现有方法(P<0.05).该模型能够实现自动且准确地分割MRI中胎盘组织.

基于多任务和注意力的胰腺癌全切片图像多组织分割模型

在全切片中分割不同组织对胰腺癌的诊疗十分重要,但目前面临内容复杂、样本偏少、样本异质性高等挑战。本文研究了胰腺癌病理切片八种类别的组织分割,通过引入注意力机制并设计分层共享的多任务结构,利用相关辅助任务显著提升模型性能。本文模型在上海长海医院的数据集上进行训练与测试,并在TCGA公开数据集上进行外部验证,在内部测试集上F1分数均高于0.97,在外部验证集上F1分数均高于0.92,且泛化性能显著优于基线方法。实验表明,本文模型可准确分割胰腺癌全切片图像中的不同组织,为临床诊断提供可靠依据。

基于EM算法的高斯混合模型的织物组织点自动识别

针对现有无监督学习识别机织物组织点的准确率相对较低和不稳定的问题,研究基于EM算法的高斯混合模型对机织物组织点的识别方法。首先对采集的不同织物图像进行预处理及图像矫正,以提高后续的组织点的分割效率;接着利用改进的灰度投影法进行织物组织点定位,并提取组织点的灰度共生矩作为纹理特征,通过主成分分析对纹理特征进行降维处理;最后采用2种常见无监督学习与文章所用的识别方法做实验比较,并采用4种评估指标进行评估,得到评估结果。通过计算4种评估指标平均值和标准差进行比较,文章所用识别方法的评估参数平均值都要比其余两种识别算法高。文章所用识别方法能对织物组织点进行自动识别,并且识别的准确率相比于其余两种识别算法得到了有效地提升。

自适应脑组织影像分割

提出一种支持二维及三维MR脑影像的脑组织分割方法。首先采用改进的C-V模型去除脑脊液对灰质分割准确性的干扰。其次通过采用结合C-V模型的带标记区域增长算法,去除脑壳并提取脑室。最后结合覆盖背景的方法提取灰质及白质,从而实现了脑组织的自动分割。对该算法进行了仿真与实验验证,结果表明,该算法具备良好的准确性、通用性与实用性。