纤维自动量化在阿尔茨海默病患者面部情绪识别研究中的应用

目的 探讨基于扩散张量成像的纤维自动量化(automated fiber quantification, AFQ)在阿尔茨海默病(Alzheimer's disease, AD)患者面部情绪识别(facial emotion recognition, FER)神经基础研究中的应用。材料与方法 对17例AD患者(AD组)和2l例正常对照(normal control, NC)者(NC组)进行FER测验和3.0 T MR扫描。采用AFQ将下额枕束、钩状束、下纵束等纤维束分成100个节段并提取主要纤维束各向异性分数(fractional anisotropy, FA)和平均扩散系数(mean diffusivity, MD)。采用独立样本t检验比较两组上述纤维束FA和MD值差异。以性别、年龄、简易精神状态量表评分作为协变量,将进行受损纤维FA、MD值与FER评分的偏相关性分析。结果 AFQ分析显示,AD组左侧下额枕束中段(节段44~46)和左侧钩状束下段(节段89~99)FA值均低于NC组(t值分别为-6.319和-7.825,P均<0.05),且均与FER消极评分呈显著正相关(r值分别为0.386和0.384,P均<0.05);AD组左侧下纵束中段(节段45~64)MD值高于NC组(t=3.059,P<0.05),与消极FER评分呈显著负相关(r=-0.485,P=0.003)。结论 采用AFQ能更精确地发现纤维束受损节段,左侧下纵束、下额枕束中段和左侧钩状束下段受损可能是AD患者消极FER障碍的潜在神经基础。

纤维自动量化技术在中重度OSAHS患者脑白质损伤中的应用

目的:探讨阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者脑白质损伤的特征及其与焦虑症状的相关性。方法:将33例未经治疗的中重度OSAHS患者及28例与患者组相匹配的无睡眠障碍志愿者(NSD)纳入本研究,所有被试行3.0T MR头部扫描,获得DTI数据及高分辨率薄层T1加权图像。采用纤维自动量化(AFQ)技术,提取每例被试全脑20条主要纤维束,将每条纤维束等分为100个节段,比较两组间各条纤维束DTI指标值的差异,并将OSAHS组中受损纤维节段的DTI张量指标值与患者的焦虑量表评分进行相关性分析。结果:相对于NSD组,OSAHS组中胼胝体大钳的第77~78段的FA值减低,右侧丘脑辐射的第23~24节段的MD值增高,右下额枕束第54~57节段及右上纵束第66~68节段的AD值增高(P<0.05)。并且胼胝体大钳第78受损节段的FA值与SAS量表评分呈正相关(r=0.447,P=0.009),右下额枕束第56受损节段的AD值与SAS量表评分呈负相关(r=-0.434,P=0.013)。结论:采用AFQ分析方法能够更加精细、准确地发现OSAHS患者脑白质纤维束的受损节段,胼胝体大钳及右下额枕束的局部损伤可能是OSAHS患者出现焦虑的神经病理学基础。

基于近端策略优化的阻变存储硬件加速器自动量化

卷积神经网络在诸多领域已经取得超出人类的成绩.但是,随着模型存储开销和计算复杂性的不断增加,限制处理单元和内存单元之间数据交换的"内存墙"问题阻碍了其在诸如边缘计算和物联网等资源受限环境中的部署.基于阻变存储的硬件加速器由于具有高集成度和低功耗等优势,被广泛应用于加速矩阵-向量乘运算,但是其不适合进行32 b浮点数计算,因此需要量化来降低数据精度.手工为每一层确定量化位宽非常耗时,近期的研究针对现场可编程门阵列(field programmable gate array,FPGA)平台使用基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)的强化学习来进行自动量化,但需要将连续动作转换为离散动作,并通过逐层递减量化位宽来满足资源约束条件.基于此,提出基于近端策略优化(proximal policy optimization,PPO)算法的阻变存储硬件加速器自动量化,使用离散动作空间来避免动作空间转换步骤,设计新的奖励函数使PPO自动学习满足资源约束的最优量化策略,并给出软硬件设计改动以支持混合精度计算.实验结果表明:与粗粒度的量化相比,提出的方法可以减少20%~30%的硬件开销,而不引起模型准确度的过多损失.与其他自动量化相比,提出的方法搜索时间短,并且在相同的资源约束条件下可以进一步减少约4.2%的硬件开销.这为量化算法和硬件加速器的协同设计提供了参考.

阿尔兹海默病和轻度认知障碍的脑结构差异:一种自动量化脑容量测量工具的使用

目的研究一种新型自动量化工具-AccuBrain在评估轻度认知功能障碍(MCI)、阿尔兹海默症(AD)患者的脑结构变化方面的诊断价值。方法采用Siemens 3.0 T磁共振扫描仪,对21例可能AD和24例可能轻度认知功能障碍(MCI)患者及与之年龄、性别相匹配24例老年健康人对照组(NC)行全脑扫描,应用磁化准备快速梯度回波成像序列获取三维结构图像。数据分析采用AccuBrain进行处理,它可自动分割20多个大脑区域,并测量其体积,量化其数值,同时可测得其所占全脑体积的比率,从而来得出差异性脑区。结果与NC组相比,在绝对体积方面,MCI组的显著差异性脑区是海马、双侧海马、双侧扣带回、双侧岛叶、双侧颞叶、脑室、侧脑室、第三脑室、侧脑室下角、双侧侧脑室、双侧侧脑室下角,而AD组的则是海马、杏仁核、壳核、双侧海马、双侧杏仁核、双侧壳核、双侧伏隔核、双侧额叶、双侧颞叶、双侧扣带回、双侧岛叶、脑室、侧脑室、第三脑室、侧脑室下角、双侧侧脑室、双侧侧脑室下角;考虑颅内总体积的情况,即相对体积方面,MCI组的海马、腹侧间脑、丘脑、双侧海马、左侧杏仁核、双侧腹侧间脑、双侧丘脑、双侧额叶、双侧颞叶、左侧扣带回、双侧岛叶、脑室、侧脑室、第三脑室、侧脑室下角、双侧侧脑室、双侧侧脑室下角具有显著差异性;而AD组的海马、杏仁核、腹侧间脑、丘脑、壳核、伏隔核、双侧海马、双侧杏仁核、双侧腹侧间脑、双侧丘脑、双侧壳核、双侧伏隔核、双侧额叶、双侧颞叶、左侧扣带回、双侧岛叶、脑室、侧脑室、第三脑室、侧脑室下角、双侧侧脑室、双侧侧脑室下角具有显著差异性。结论AccuBrain能自动分割全脑体积且量化其数值,方法上更直观,在辅助AD的临床早期诊断方面具有巨大的潜力和应用前景。

一种基于指令MKS的自动向量化代价模型

自动向量化代价模型是编译器进行自动向量化优化时的重要组成部分,其作用是评估代码在应用向量化转换后能否获得性能提升。当代价模型不准确时,编译器会应用负收益的向量化转换,从而降低程序的执行效率。针对GCC编译器默认代价模型的不精确问题,以Intel Xeon Silver 4214R CPU为平台,提出了一种基于指令MKS的自动向量化代价模型。该模型充分考虑了指令的机器模式、运算类型以及运算强度等,并使用梯度下降算法自动搜索不同指令类型的近似代价。在SPEC2006以及SPEC2017上进行了单线程测试,实验结果表明,该模型能够减少收益评估错误的情况。与默认代价模型生成的向量程序相比,GCC编译器添加MKS代价模型后,在SPEC2006课题上最高获得了4.72%的提速,在SPEC2017课题上最高获得了7.08%的提速。

SIMD自动向量化编译优化概述

SIMD扩展部件是集成到通用处理器中的加速部件,旨在发掘多媒体程序和科学计算程序的数据级并行.首先介绍SIMD扩展部件的背景和研究现状,然后从发掘方法、数据布局、多平台向量化这3个角度介绍了SIMD自动向量化的研究问题、困难和最新研究成果,最后展望了SIMD编译优化未来的研究方向.

典型编译器自动向量化效果评估与分析

SIMD(Single-Instruction-Multiple-Data)体系结构在现代处理器体系结构中扮演重要的角色。多种国产高性能通用处理器也大都实现了SIMD结构。SIMD体系结构提供了短向量数据并行处理能力,编译器自动向量化是应用程序获得性能提升的主要手段之一。使用成熟的支持SIMD的商用处理器平台评估典型编译器自动向量化的效果,对于处理器体系结构的设计以及编译器的分析和设计非常有益。采用SPECCPU2006和SPECOMPM2001基准测试程序,评估了典型编译器(包括Intel编译器、PGI编译器和GCC编译器)的自动向量化的效果。并且以产品级的开源编译器GCC为目标,用手工编写的程序片段(主要是多种类型的循环结构)评估了当前GCC编译器自动向量化的效果,并深入分析了GCC编译器中现有的自动向量化的能力和局限。此项工作为进一步研发高效的编译器自动向量化提供了有价值的参考。

基于ArcGIS的栅格图像自动矢量化的实现新方法

栅格图像矢量化是数字化进程中一项必不可少的工作。传统的基于ArcGIS的矢量化采用手工进行点、线、面绘制,费时费力,在边界提取和边界线追踪过程中会因人为判断导致误差。利用分类、重分类、二值化的思想在ArcGIS中实现栅格图像的自动矢量化,使计算机代替人来进行边界提取、边界线追索。大量实践证明,它不仅可以减少人为误差,而且极大提高了数字化的效率。

GCC编译器中编译指导的自动向量化实现

基于编译指导的自动向量化已经成为编译器开发SIMD体系结构性能潜力的必然选择。OpenMP 4.0规范新增了SIMD编译指导语句,在开发中的GCC 4.9版本已经开始着手支持OpenMP4.0规范。详细分析了SIMD编译指导在GCC 4.9中的实现情况,重点分析了SIMD编译指导在编译器自动向量化阶段的影响,这为改进GCC的现有实现和提高向量化能力提供了有价值的参考。

工程图自动矢量化算法的研究

工程图的自动矢量化是 ＣＡＤ／ＣＡＭ领域中急待解决的关键技术之一。通过对工程图矢量化课题的深入研究，给出了一种将二值点阵图快速转换为直线、圆及圆弧的自动矢量化算法。

栅格图像自动矢量化系统的研究与实现

研究了自动矢量化地图所需的理论,并基于.NET平台进行了算法实现。以实现自动矢量化为目标,按照传统获取矢量化数据的流程进行探索。从数字图像处理和数学形态学的相应理论角度出发,分析了自动矢量化系统的功能;讨论了扫描电子地图二值化的实现、腐蚀膨胀和开闭运算理论在电子地图去噪中的应用、基于模式识别技术的图元细化与识别等难点技术。针对上述技术,在.NET平台上,基于GDI+技术,通过实例验证了自动矢量化系统的可行性及有效性。

扫描细化算法的地图自动矢量化研究

根据栅格线体的形态特征设计通过对栅格线体的序贯推扫及截断扫描获取截断处的中心像素的扫描细化算法。细化结果受线体边缘条件的影响小、特征像素较少。设计了针对于扫描细化算法的自动追踪矢量化算法,其特点包括减少坐标转换量以及矢量线体节点数,光滑后趋于栅格线体中心,线体不在交点处相互打断,提高自动矢量化及其后处理工作的效率。

基于动态规划的自动向量化方法

由于SLP自动向量化算法使用的启发式策略会丢失一定的向量化机会,本文提出一种基于动态规划的自动向量化方法DPSLP,该方法采用比SLP更加激进的策略在基本块内寻找候选的SIMD指令分组,依据动态规划方程计算指令分组的代价并从众多指令分组中选择最优的分组进行向量化转换.实验结果显示,DPSLP与SLP相比测试程序的运行时间平均减少了8%,静态指令代价平均减少10%,平均向量宽度增加66.4%.

工程图自动矢量化算法的设计与实现

工程图自动矢量化是ＣＡＤ领域中远未解决的关键技术之一．通过对工程图矢量化课题的深入研究，给出了一种将二值点阵图象快速转换为直线、圆及圆弧的自动矢量化算法．这种算法保证处理的高速度。

矿业工程图自动矢量化转换方法

矿业工程图自动矢量化转换是将工程图扫描而得的光栅位图自动转化为可供CAD系统使用的矢量图形。本文结合工程图线划构成特点提出了如何在保持细节信息的基础上滤除噪声的方法 ;任用数学形态学方法设计了一种简单的文字过滤器 ,以过滤不同角度走向的文字 ;采用Freeman和Hilditch方法构造连接链码和实现线条细化 ;结合遗传算法提出了一种预选关键点进行曲线拟合的新方法。

全自动量化经胸三维超声心动图评估心血管病患者左心室功能的可行性探讨

目的探讨全自动量化经胸三维超声心动图(简称为全自动三维超声心动图)评估心血管病患者左心功能的准确性与可重复性。方法回顾性纳入2017年9月至2019年5月厦门大学附属心血管病医院收治的心血管病患者197例,均行经胸三维超声心动图检查,其中心脏模型超声图像质量1级共61例被用于确定心内膜舒张末期和收缩末期默认边界值。通过电子病例系统收集入选者的一般临床资料。以常规手动经胸三维超声心动图(简称为手动三维超声心动图)测量值作为标准,评价全自动三维超声心动图测量左心室舒张末期容积(LVEDV)、左心室收缩末期容积(LVESV)和左心室射血分数(LVEF)的准确性及可重复性。结果全自动三维超声心动图测量的LVEDV、LVESV和LVEF与手动测量值均呈正相关(P均<0.05)。但是,全自动三维超声心动图测量的LVEDV和LVESV均明显大于手动测量值(P均<0.05)。全自动与手动三维超声心动图评价心室壁运动异常患者收缩功能损伤程度的一致性,经手动校准后(κ=0.74,P=0.00)优于手工校正前(κ=0.63,P=0.00)。全自动三维超声心动图检测LVEDV、LVESV和LVEF的观察者间和观察者内变异度均小于手动三维超声心动图(P均<0.05)。结论采用全自动三维超声心动图测量心血管病患者左心室功能的准确性和重复性均良好,临床应用具有可行性。

自动生成量化属性模糊集的算法

提出一种由量化属性数据自动生成模糊集及其隶属函数的算法。该算法首先用聚类方法对每个量化属性进行聚类,求得聚类中心,最后通过聚类中心构造模糊集,定义隶属函数。

基于自动矢量化的GIS图形库建立快速扫描系统

从地理信息系统建立中耗资最大的基础库建立为出发点，介绍了一种已用于矢量图库建立的新系统——４９９１Ｓ＿３图形自动矢量化仪。该仪器不仅能够快速地进行图形自动矢量化，而且在诸如噪声剔除、层面圆滑及层面扩张、层面细化、阈值分层等方面具有实时智能功能，并可自动实现数字化矢量文件格式的栅矢及标准转换，为ＧＩＳ的建立及普及奠定了基础。

基于小波变换的栅格地形图自动矢量化优化研究

利用现有的纸质地形图制作电子地形图,仍然是水电行业获取基础设计资料的重要手段。本文分析了如何通过调整扫描仪参数改善纸质地形图的扫描质量,以及利用小波变换进行图像去噪,利用阈值法进行图像分割,从而获得高质量的矢量化底图,提高自动矢量化的效率。

基于数据对齐属性指导的GCC自动向量化优化

主流通用处理器都已经实现了多核并行以及处理器核内的SIMD并行。虽然GCC编译器实现了面向SIMD并行的自动向量化,但是编译器针对OpenMP并行程序的自动向量化效果仍很不理想。针对多线程并行的OpenMP程序,基于GCC的OpenMP编译实现,扩展了数据对齐属性指导语句,使编译器在自动向量化时能够进行更准确的数据对齐与否的判断,优化了GCC编译器的自动向量化。