医学3D计算机视觉:研究进展和挑战

医学影像的诊断是许多临床决策的基础,而医学影像的智能分析是医疗人工智能的重要组成部分。与此同时,随着越来越多3D空间传感器的兴起和普及,3D计算机视觉正变得越发重要。本文关注医学影像分析和3D计算机的交叉领域,即医学3D计算机视觉或医学3D视觉。本文将医学3D计算机视觉系统划分为任务、数据和表征3个层面,并结合最新文献呈现这3个层面的研究进展。在任务层面,介绍医学3D计算机视觉中的分类、分割、检测、配准和成像重建,以及这些任务在临床诊断和医学影像分析中的作用和特点。在数据层面,简要介绍了医学3D数据中最重要的数据模态:包括计算机断层成像(computed tomography,CT)、磁共振成像(magnetic resonance imaging,MRI)、正电子放射断层成像(positron emission tomography,PET)等,以及一些新兴研究提出的其他数据格式。在此基础上,整理了医学3D计算机视觉中重要的研究数据集,并标注其数据模态和主要视觉任务。在表征层面,介绍并讨论了2D网络、3D网络和混合网络在医学3D数据的表征学习上的优缺点。此外,针对医学影像中普遍存在的小数据问题,重点讨论了医学3D数据表征学习中的预训练问题。最后,总结了目前医学3D计算机视觉的研究现状,并指出目前尚待解决的研究挑战、问题和方向。

光电经纬仪跟踪飞机的3D姿态测量方法研究

传统光电跟踪测量系统因受性能和事后数据处理软件配置的影响，在图像处理时将目标飞机等效为一个质点，因而得不到飞机的3D姿态信息，致使图像中蕴含的目标飞机外形形状及姿态信息都舍弃了。现今光电测量系统获取的跟踪测量图像，记录了目标飞机运动过程的各种事件和姿态信息：如空间位置、运动轨迹、运动速度、运动加速度及俯仰、偏航、滚动的3D姿态变化等。但本文开展的光电经纬仪跟踪飞机的3D计算机视觉研究，就是设法利用光电测量系统获得的跟踪数据，去充分挖掘跟踪图像中隐含的信息：既得到飞机的更多运动信息，又能得到飞机的3D姿态信息，以便对飞机的飞行性能进行分析、判断、评估和验证，或者在试验分析、事故鉴定、训练评估、飞控系统检验及新型号的设计定型等方面发挥相应的作用。