6D治疗床辅助影像引导下放射治疗头颈部肿瘤摆位误差分析

目的:评估锥形束CT(cone-beam CT,CBCT)引导下头颈部肿瘤调强放射治疗(intensity-modulated radiation therapy,IMRT)的分次内和分次间摆位偏差,以及6D治疗床(HexaPOD evo RT 6D)对这些偏差的纠正能力和稳定性。方法:选择北京大学第三医院肿瘤放疗科2019年5月至2022年4月头颈部肿瘤患者的病例资料进行回顾性分析,利用医科达公司AXESSE医用直线加速器进行前置CBCT扫描,通过骨窗模式与计划参考影像进行配准,自动或手动调整6D治疗床以校准偏差,随后进行第二次CBCT扫描以确认偏差校正。通过比较校正前后的配准结果,记录患者在平移(X、Y、Z方向)和旋转(Rx、Ry、Rz方向)上的摆位误差,并对分次间及分次内的摆位误差进行分析。结果:在连续入组59例患者的506次CBCT扫描中,成功获取并在线校正了6D治疗床的摆位误差数据,校正前后摆位误差的最大值分别为0.90 cm与0.04 cm(X方向)、1.74 cm与0.09 cm(Y方向)、1.80 cm与0.09 cm(Z方向),以及2.90°与0.14°(Rx方向)、3.00°与0.15°(Ry方向)、3.00°与0.15°(Rz方向)。在线校正明显减小了各方向上的平均摆位误差,平移误差(X、Y、Z方向)和旋转误差(Rx、Ry、Rz方向)的平均值分别从0.18 cm、0.22 cm、0.25 cm和0.82°、1.11°、0.73°减少至0.01 cm、0.01 cm、0.01 cm和0.04°、0.06°、0.04°(P均<0.001)。校正后,在X、Y、Z方向上平移误差小于0.10 cm的频率分别达到99.60%、98.62%、95.45%,旋转误差小于0.20°的频率均达到或超过99.80%。结论:结合CBCT和6D治疗床的在线校正显著降低了头颈部放疗患者的平移和旋转摆位误差,极大提高了治疗的精准度。

基于双目视觉的6D位姿测量误差补偿方法

针对双目视觉设备测量误差较大且单点测量误差在视野范围内分布不一致,导致测量6D位姿精度和稳定性较差的问题,提出了一种测量误差补偿方法。为了解决传统回归模型在小样本多输入多输出情况下拟合效果较差的问题,采用基于多输出最小二乘支持向量回归(MLSSVR)的算法,实现了单点测量误差准确预测,并采用遗传算法对模型超参数进行全局寻优;为了实现跟踪坐标系的位姿测量误差补偿,结合位姿测量原理,将线性问题转化为最优估计问题,通过最小化坐标变换误差函数,将多个单点预测误差转化为多点耦合误差,从而实现了6D位姿测量误差补偿。实验结果表明,所提方法将跟踪坐标系的平均位置测量误差在3个方面上分别降低了63.4%、45.2%和75.0%,平均姿态测量误差分别降低50%、48.4%和53.1%;与其它现有补偿方法相比,所提方法能显著提高双目视觉设备的测量精度,并保证不同观测角度下的测量误差补偿有效性。

改进YOLO6D的目标姿态估计算法

针对三维空间下被遮挡和弱纹理目标物难以进行精确姿态估计的问题,提出了一种基于改进YOLO6D的目标姿态估计算法。首先,引入残差网络结构,解决了神经网络层数增加带来的梯度问题并加快模型收敛;其次,加入空间金字塔池化(SPP-CSP)模块使网络充分利用多尺度特征图信息来增强对目标物的特征提取。实验结果显示,改进后的网络在自建数据集上整体指标2D重投影上升了6.68%,5 cm5°上升了6.05%,在官方数据集Occlusion LineMOD上整体精度上升了8.74%,有效提高了目标姿态估计的整体检测性能。

基于改进YOLO6D的单目位姿估计算法研究

针对当前基于单目RGB图像的杂乱场景中低纹理物体6D位姿估计算法精度不高、实时性不强、模型复杂等问题,提出了一种基于改进YOLO6D的物体位姿估计算法。用纯卷积神经网络ConvNeXt替换原算法的主干网络DarkNet—19,将网络输出经过空间金字塔池化(SPP)处理后上采样,与低层特征图拼接实现特征融合,以提高网络的特征提取能力和多尺度能力。基于Focal Loss改进损失函数以提升网络的学习能力。根据物体的先验尺寸信息和几何特征,推导出更多的2D—3D点对以提高透视投影变换PnP算法的解算精度。在LINEMOD数据集上进行了实验,实验结果表明:以2D重投影5像素阈值为指标,本文算法在12个实验对象上的平均精度达到了95.60%,相较原算法提升了8.14个百分点,耗时约为60ms,性能显著提升。

SF-6D在慢性阻塞性肺疾病病人健康效用值测量中的应用研究进展

对六维健康调查简表的构成、测量学特性、在慢性阻塞性肺疾病(COPD)病人健康效用值研究中的应用情况进行综述,并提出存在的问题与展望,以期为进一步开展相关研究提供参考。

融合残差注意力和标准偏差的6D姿态细化网络

在6D物体姿态估计领域中,现有算法往往难以实现对目标物体精准且鲁棒的姿态估计.为解决该问题,提出了一种结合残差注意力、混合空洞卷积和标准差信息的物体6D姿态细化网络.首先,在Gen6D图片特征提取网络中,采用混合空洞卷积模块替换传统卷积模块,以此扩大感受野、加强全局特征捕获能力.接着,在3D卷积神经网络中,加入残差注意力模块,这有助于区分特征通道的重要程度,进而在提取关键特征的同时,减少浅层特征的丢失.最后,在平均距离损失函数中,引入了标准差信息,从而使模型能够区分物体的更多姿态信息.实验结果显示,所提出的网络在LINEMOD数据集和GenMOP数据集上的ADD指标分别达到了68.79%和56.03%.与Gen6D网络相比,ADD指标分别提升了1.78个百分点和5.64个百分点,这一结果验证了所提出的网络能够显著提升6D姿态估计的准确性.

基于特征标记的物体6D位姿测量方法

6D位姿是目标物体基于平面矢量和旋转矢量的位置和姿态.基于单目RGB相机进行6D位姿估计的传统方法由于标记点少、识别率较低等原因,易导致测量精度不高.为提高物体位姿测量的精度,论文提出了一种基于特征标记的物体6D位姿测量方法.首先,设计一种能提供更多标记点且识别率高的特征标记,并通过相机识别被测物体上的特征标记获得3D-2D点对.其次,基于相机成像原理设计物体6D位姿测量系统与方法.然后,建立求解工件位姿变化的旋转矩阵和位移矩阵模型.最后,基于所建立的旋转矩阵模型与欧拉角之间的关系求解工件6D位姿.实验结果表明,在0-170 mm位移范围内,沿X、Y、Z轴位移测量误差小于0.5 mm;在0-30°旋转范围内,其绕X、Y轴旋转角度测量误差小于0.8°;在0-45°旋转范围内,其绕Z轴旋转角度测量误差小于0.8°;测量物体绕X、Y轴旋转角度误差耗时小于1.5 s,绕Z轴旋转角度误差耗时小于2 s;测量物体沿X、Z轴位移误差耗时小于2 s,沿Z轴位移误差耗时小于2.5 s;能够满足实际生产要求.实验结果检验了论文所提方法的有效性,可用于实际生产环境中.

基于亚太6D通信卫星的天基测控技术研究

如今商业航天快速发展,传统测控资源难以满足商业火箭高密度快速发射的测控需求,尤其是针对航区海基测控资源紧缺,基于天链卫星的天基测控资源不适应未来商业航天发射模式。通过调研中国民商用通信卫星测控资源,研究了基于亚太6D通信卫星的Ku频段天基测控技术,结合通信卫星性能指标完成链路计算,提出天基测控系统箭载测控设备与地面测控设备实现方案,完成天基测控系统架构及信息流设计,为商业航天火箭发射提供新的测控实施方案,有效缓解测控资源紧张难题,测控弧段可覆盖运载火箭典型SSO轨道测控需求。

面向目标6D姿态追踪的复用预测网络

为提高目标6D姿态追踪网络的收敛能力和追踪精度,提出一种基于少量数据驱动的目标6D姿态追踪复用预测网络。以当前时刻的彩色及深度(red green blue and depth,RGB-D)图像和上一时刻的目标渲染值作为输入,通过2个独立的特征编码器提取特征矩阵,在特征编码器中引入通道注意力机制模块,保证有选择性地调整通道信息的权重;构建复用预测网络模块,将特征矩阵解耦得到旋转矩阵,通过旋转矩阵前向传播与特征矩阵融合,将融合的结果再次解耦得到物体6D姿态的旋转矩阵与平移矩阵,并采用李代数方法通过2个矩阵计算出目标的6D姿态。实验结果表明:在使用少量数据训练网络模型的情况下,与MaskFusion、“TEASER++”和se(3)-Tracknet等方法相比,所提方法能够提高目标6D姿态追踪的准确率。

Ms4a6d 基因敲除对雌性小鼠生育力的影响

目的探究巨噬细胞表面特异分子跨膜4域亚家族A成员6D(membrane-spanning 4-domains subfamily A member 6D,Ms4a6d)基因敲除对雌性小鼠生育力的影响。方法构建Ms4a6d基因敲除小鼠,以各周龄纯合Ms4a6d基因敲除(Ms4a6d^(-/-))小鼠为实验组;采用qPCR、琼脂糖凝胶法鉴定小鼠基因型;运用HE染色、免疫荧光、ELISA等方法检测血清抗缪勒管激素(anti-müllerian hormone,AMH)和雌性Ms4a6d^(-/-)小鼠卵巢中巨噬细胞数量及各级卵泡构成变化;通过生育力实验比较成年Ms4a6d^(-/-)雌鼠妊娠率及平均产仔数变化。结果与同周龄野生型(Ms4a6d+/+)雌鼠比较,2周龄和4周龄的Ms4a6d^(-/-)雌鼠卵巢组织中巨噬细胞显著减少(P<0.01);8周龄时2组卵巢巨噬细胞差异无统计学意义;8周龄Ms4a6d^(-/-)雌鼠卵巢系数显著降低(P<0.01);8周龄时卵巢组织中原始卵泡、初级卵泡、次级卵泡和窦卵泡数量显著减少(P<0.05),各年龄段Ms4a6d^(-/-)雌鼠血清中AMH显著降低(P<0.05)。成年Ms4a6d^(-/-)雌鼠的平均妊娠率为56%,每胎产仔数为(4.1±1.1)只,均显著低于同龄野生型雌鼠的妊娠率(89%)和每胎产仔数[(6.3±1.2)只]。结论Ms4a6d基因敲除导致青春期前雌鼠卵巢组织中巨噬细胞数量减少,抑制其生长卵泡发育,最终表现为成年雌鼠卵巢储备减少,生育力降低。

“6D法则”在住院医师规范化培训院级师资培训中的探索和运用——以教学查房培训为例

目的在住院医师规范化培训(简称住培)院级师资培训中引入“6 D法则”,推进师资培训的“三个转化”,即住培师资岗位需求的转化、培训内容的转化、师资内在的素质和能力的转化。方法以院级教学查房培训为例,将培训设计为准备、培训、转化和评估4个阶段,实现培训后的转化以及培训质量的改善。结果基于“6 D法则”的教学查房培训过后,以教学督导的形式进行总结性评估。接受过教学查房培训的师资平均得分为90.00分,未接受过教学查房培训的师资平均得分为84.93分,培训达到了预期目标。结论“6 D法则”采用系统化思维方式,注重学习转化和绩效的改善,将以终为始的理念贯穿整个培训过程,有利于培训取得实效。

EQ-5D和SF-6D对中国稳定性心绞痛患者应用的效度和灵敏度评价

目的评价两个基于偏好的量表(EQ-5D、SF-6D)对中国稳定性心绞痛患者应用的效度和灵敏度。方法通过评价两个量表与西雅图心绞痛量表的相关性来考评其聚合效度,通过评价量表能否区分不同情况患者来考评其区别效度,通过计算相对效度以及操作者可接受曲线下面积,来考评量表对临床相关差异的灵敏度。结果 EQ-5D、SF-6D两个量表与西雅图心绞痛量表三个维度有较好的相关性(0.365≤r≤0.553,P<0.001),对于不同疾病状况的患者有较好的区别力(P<0.05),SF-6D灵敏度优于EQ-5D。结论从效度和灵敏度角度,EQ-5D和SF-6D量表适用于稳定性心绞痛患者的临床研究,但量表的选择需要依据具体的研究目的。

基于光场EPI图像栈的6D位姿估计方法

光场相机单次拍摄可以同时记录光线的强度与方向信息,相较于RGB相机能够更好地揭示场景的三维结构和几何特征,在目标6D位姿估计领域具有独特优势。针对现有RGB位姿估计方法存在复杂场景下检测精度低、鲁棒性差的问题,本文首次提出了一种基于光场图像的端到端卷积神经网络目标位姿估计方法。该方法首先利用双路EPI编码模块实现高维光场数据的处理,通过重构出光场EPI图像栈和引入水平和垂直EPI卷积算子,提高对光场空间角度信息关联的建模能力,并由双分支孪生网络进行光场图像的浅层特征提取。其次,设计了带跳跃连接的特征聚合模块,对串联后的水平和垂直方向光场EPI浅层特征进行全局上下文聚合,使网络在逐像素关键点位置预测时有效结合全局和局部特征线索。针对光场数据不足问题,本文使用Lytro Illum光场相机采集真实场景,构建了一个丰富且场景复杂的光场位姿数据集——LF-6Dpose。在光场位姿数据集LF-6Dpose上的实验结果表明,该方法在ADD-S和2D Projection指标下平均位姿检测精度分别为57.61%和91.97%,超越了其他基于RGB的先进方法,能够更好地解决复杂场景下的目标6D位姿估计问题。

基于机器视觉的分拣机器人6D位姿估计

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。

软体大提琴的6D设计

在由坐标空间(X,Y,Z)和以三原色为基底的色彩空间(R,G,B)所构成的超维空间中,设计出软体新款大提琴,该软体新款大提琴的产品生产图纸和渐变色彩图纹同时给出。其中发音腔体的内表面是运用纳米镶嵌技术将纳米陶瓷颗粒镶嵌在聚氨酯树脂基底上以加强吸收声波能量的冲击,同时增大振幅,释放出更大的声波辐射能量。

基于改进YOLO6D的工业零件位姿检测算法

针对工业现场散乱堆叠、零件位姿难以准确检测的问题,提出一种基于改进YOLO6D的工业零件位姿检测算法。首先,对原始YOLO6D网络结构进行改进。以Darknet53作为主干网络,并在其残差块内部引入坐标注意力机制,强化神经网络对坐标信息的表达能力;利用空洞空间金字塔池化捕获多尺度上下文信息,实现底层坐标信息与高层语义信息的特征融合;采用Mish函数作为激活函数,增强神经网络的鲁棒性。在此基础上,采用改进YOLO6D网络检测工业零件6D位姿。以工业零件图像作为改进YOLO6D网络的输入,直接回归输出目标零件3D边界框的9个关键点,利用2D-3D空间中的映射关系,采用PnP算法计算目标零件的6D位姿。最后,进行工业零件位姿检测实验验证。实验结果表明,所提算法具有较高的准确性和鲁棒性,为三维空间内工业零件的位姿检测提供了一种有效的思路。

基于循环神经网络的双目视觉物体6D位姿估计

针对当前物体6D位姿估计任务准确率较低的问题,提出双目数据集制作方法及物体6D位姿估计网络Binocular-RNN.将YCB-Video Dataset中已有图像作为双目相机左摄像头捕获内容,利用Open GL将YCB-Video Dataset中相应三维物体模型进行导入,输入各物体相关参数,由虚拟双目相机右摄像头捕获合成图片.利用单目预测网络分别对双目数据集中左、右图像的几何特征进行提取.经过循环神经网络对几何特征进行融合,并预测物体6D位姿.以模型点平均距离(ADD)、平均最近点距离(ADDS)、平移误差和角度误差作为评价指标,对Binocular-RNN与其他位姿估计方法进行对比.结果表明,在利用单一物体对网络进行训练时,Binocular-RNN的ADD或ADDS指标得分分别为PoseCNN、GDR-Net的2.66、1.15倍.利用基于物理的实时渲染(Real+PBR)方式训练的Binocular-RNN的性能超过基于深度神经网络的迭代6D姿态匹配的方法(DeepIM).

API 6D规范阀门试验规定的分析

介绍了API 6D(第23版)管线阀门的基本要求、必须的试验项目和附加试验项目,分析了阀门试验的相关规定,指出了API 6D(第23版)在阀门试验方面的改进。

6D电磁定位导航系统研究

本文针对电磁定位导航系统的应用及其体积的微型化、结构的简单化和定位导航精度存在的问题,从系统设计的角度出发,提出了一种探测探头6D电磁导航的快速数值算法和模型,经仿真实验证明了此方法能实现高速高精度电磁定位导航,从而提高电磁定位导航系统的性能及应用范围。

应用6D法则推进学用转化

学用转化效率低是目前培训界公认难以解决的问题,这主要和学员应用动机、应用能力、应用环境以及培训管理流程有关。本文借鉴学习与发展项目6D法则的理念和做法,探索解决学用转化效率低问题的有效途径。将6D法则理念做法在培训项目中进行了实践应用,结果表明对学用转化效果的提升具有一定的效果。