舌诊是中医望诊的重要手段,同时,温度与人体的健康息息相关。为了研究舌面的脏腑功能定位及舌象温度关系的反映,论文提出了一种红外技术的感兴趣区域(region of interest, ROI)模型研究方法。首先,利用葛立恒扫描法和Bezier曲线对多边形...舌诊是中医望诊的重要手段,同时,温度与人体的健康息息相关。为了研究舌面的脏腑功能定位及舌象温度关系的反映,论文提出了一种红外技术的感兴趣区域(region of interest, ROI)模型研究方法。首先,利用葛立恒扫描法和Bezier曲线对多边形ROI模型进行改进;然后,借助U-Net分割网络将提取出的温度信息进行训练与学习,从而做到批量处理舌体温度信息;最后,利用HSV色彩模型进行3D可视化,达成舌象温度分区的可视化研究。此外,为了验证该方法的准确性,实验还对模型截取出的舌体进行了评价指标验证,准确度可以达到0.991 1,分割效果极佳。研究表明:改进后的红外信息提取技术既能直观地观察到舌体的分区状况,也可以完整保留舌体的信息变化,为中医的数据化提供了完整可行性方案。实现了舌体红外信息数据的提取与中医诊断技术的有机结合。解决了中医一体化望诊的舌体信息完整性及准确性问题。展开更多
目的:颈前路减压融合术是治疗退行性颈椎病的经典手术方式,钉板的使用增加了融合率及稳定性的同时,间接导致了邻近椎体退变和术后吞咽困难的发生。文章通过Meta分析方法比较ROI-C^(TM)自锁系统和传统融合器联合钉板内固定治疗退行性颈...目的:颈前路减压融合术是治疗退行性颈椎病的经典手术方式,钉板的使用增加了融合率及稳定性的同时,间接导致了邻近椎体退变和术后吞咽困难的发生。文章通过Meta分析方法比较ROI-C^(TM)自锁系统和传统融合器联合钉板内固定治疗退行性颈椎病患者的临床结果和并发症情况,为颈前路减压融合术中内固定方式的选择提供循证学支持。方法:检索中国知网、万方、维普、PubMed、Cochrane Library、Web of Science和Embase数据库,检索关于颈前路减压融合术中应用ROI-C^(TM)自锁系统与融合器联合钉板内固定治疗退行性颈椎病的中英文文献。检索时间范围为各数据库建库至2023年7月。由2名研究者严格按照纳入与排除标准选择文献,采用Cochrane偏倚风险工具对随机对照试验进行质量评价,NOS量表对队列研究进行质量评价。采用RevMan 5.4软件进行Meta分析。结局指标包括手术时间、术中出血量、日本骨科协会(Japanese Orthopaedic Association Scores,JOA)评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率、邻近椎体退变发生率、融合器沉降率和吞咽困难发生率。结果:共纳入13项研究,其中回顾性队列研究11项,随机对照试验2项,共1136例患者,ROI-C组569例,融合器联合钉板组567例。Meta分析结果显示:ROI-C组与融合器联合钉板组在手术时间(MD=-15.52,95%CI:-18.62至-12.42,P<0.00001),术中出血量(MD=-24.53,95%CI:-32.46至-16.61,P<0.00001),术后邻近节段退变率(RR=0.40,95%CI:0.27-0.60,P<0.00001)和术后总吞咽困难发生率(RR=0.18,95%CI:0.13-0.26,P<0.00001)均具有显著性差异。两者在术后JOA评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率和融合器沉降率方面无显著性差异(P≥0.05)。结论:在颈椎前路减压融合术中应用ROI-C^(TM)自锁系统与传统融合器联合钉板内固定治疗退行性颈椎病均可达到满意的临床效果,ROI-C^(TM)自锁系统操作更加简单,相比融合器联合钉板内固定能明显减少手术时间及术中出血量,在减少术后吞咽困难及邻近节段退变发生率等方面具有明显优势,对于跳跃型颈椎病及邻椎病翻修患者,更加推荐使用ROI-C^(TM)自锁系统。但鉴于其可能存在较高的沉降率,对于多节段且合并融合器沉降高危因素如骨质疏松、椎体终板破损的退行性颈椎病患者,仍建议使用融合器联合钉板内固定。展开更多
为解决指针式仪表示数读取中识别精度低和算法读取速度慢的问题,提出一种基于戴明回归和感兴趣区域(region of interest, ROI)细化的指针式仪表读数技术.给出了仪表示数读取的算法流程:首先选择ROI,采用基于颜色通道的剪影法和二值化形...为解决指针式仪表示数读取中识别精度低和算法读取速度慢的问题,提出一种基于戴明回归和感兴趣区域(region of interest, ROI)细化的指针式仪表读数技术.给出了仪表示数读取的算法流程:首先选择ROI,采用基于颜色通道的剪影法和二值化形态学操作进行图像预处理;接着运用图像帧差法消除指针的抖动;然后利用ROI细化算法对待识别仪表的指针进行细化;再使用戴明回归法拟合出仪表指针所在直线的方程和斜率;最后根据指针斜率利用角度法计算仪表的实时示数.通过3组试验,测试了该方法的可行性和防抖动能力,比较了戴明回归拟合直线与霍夫直线检测拟合直线的检测精度,还比较了ROI细化算法与全局细化算法的计算速度.结果表明该方法检测的平均误差比霍夫直线检测减小了37.85%,每张图像的平均计算时间比全局细化算法减少了192.717 s,同时具有防抖动能力.展开更多
感兴趣区域(Region of interest,ROI)提取在生物特征识别中,常用于减少后续处理的计算消耗,提高识别模型的准确性,是生物识别系统中预处理的关键步骤.针对生物识别数据,提出了一种鲁棒的ROI提取方法.方法使用语义分割模型作为基础,通过...感兴趣区域(Region of interest,ROI)提取在生物特征识别中,常用于减少后续处理的计算消耗,提高识别模型的准确性,是生物识别系统中预处理的关键步骤.针对生物识别数据,提出了一种鲁棒的ROI提取方法.方法使用语义分割模型作为基础,通过增加全局感知模块,与分割模型形成对抗结构,为模型提供先验知识,补充全局视觉模式信息,解决了语义分割模型的末端收敛困难问题,提高了模型的鲁棒性和泛化能力.在传统二维(2D)指纹、人脸、三维(3D)指纹和指纹汗孔数据集中验证了方法的有效性.实验结果表明,相比于现有方法,所提出的ROI提取方法更具鲁棒性和泛化能力,精度最高.展开更多
旋转目标检测是遥感图像处理领域中的重要任务,其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题,提出了一种改进的RoI Transformer旋转目标检测框架:首先,利用RoI Transformer检测框架获取旋转的感...旋转目标检测是遥感图像处理领域中的重要任务,其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题,提出了一种改进的RoI Transformer旋转目标检测框架:首先,利用RoI Transformer检测框架获取旋转的感兴趣区域特征(rotated region of interest,RRoI)用于鲁棒的几何特征提取;其次,在检测器中引入高分辨率网络(high-resolution network,HRNet)提取多分辨率特征图,在保持高分辨率特征同时适应目标的多尺度变化;最后,引入KLD(Kullback-Leibler divergence)损失,解决旋转目标表示的角度周期性的问题,提高检测方法对任意方向目标的适应性,并通过旋转目标边界框参数的联合优化提升目标定位精度。本文提出的旋转目标检测方法,即HRD-ROI Transformer(HRNet+KLD ROI Transformer),在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较。结果显示:相比于传统的RoI Transformer检测框架,本文方法在DOTAv1.0和DIOR-R数据集上检测结果的mAP(mean-average-precision)分别提高了3.7%和4%。展开更多
文摘舌诊是中医望诊的重要手段,同时,温度与人体的健康息息相关。为了研究舌面的脏腑功能定位及舌象温度关系的反映,论文提出了一种红外技术的感兴趣区域(region of interest, ROI)模型研究方法。首先,利用葛立恒扫描法和Bezier曲线对多边形ROI模型进行改进;然后,借助U-Net分割网络将提取出的温度信息进行训练与学习,从而做到批量处理舌体温度信息;最后,利用HSV色彩模型进行3D可视化,达成舌象温度分区的可视化研究。此外,为了验证该方法的准确性,实验还对模型截取出的舌体进行了评价指标验证,准确度可以达到0.991 1,分割效果极佳。研究表明:改进后的红外信息提取技术既能直观地观察到舌体的分区状况,也可以完整保留舌体的信息变化,为中医的数据化提供了完整可行性方案。实现了舌体红外信息数据的提取与中医诊断技术的有机结合。解决了中医一体化望诊的舌体信息完整性及准确性问题。
文摘目的:颈前路减压融合术是治疗退行性颈椎病的经典手术方式,钉板的使用增加了融合率及稳定性的同时,间接导致了邻近椎体退变和术后吞咽困难的发生。文章通过Meta分析方法比较ROI-C^(TM)自锁系统和传统融合器联合钉板内固定治疗退行性颈椎病患者的临床结果和并发症情况,为颈前路减压融合术中内固定方式的选择提供循证学支持。方法:检索中国知网、万方、维普、PubMed、Cochrane Library、Web of Science和Embase数据库,检索关于颈前路减压融合术中应用ROI-C^(TM)自锁系统与融合器联合钉板内固定治疗退行性颈椎病的中英文文献。检索时间范围为各数据库建库至2023年7月。由2名研究者严格按照纳入与排除标准选择文献,采用Cochrane偏倚风险工具对随机对照试验进行质量评价,NOS量表对队列研究进行质量评价。采用RevMan 5.4软件进行Meta分析。结局指标包括手术时间、术中出血量、日本骨科协会(Japanese Orthopaedic Association Scores,JOA)评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率、邻近椎体退变发生率、融合器沉降率和吞咽困难发生率。结果:共纳入13项研究,其中回顾性队列研究11项,随机对照试验2项,共1136例患者,ROI-C组569例,融合器联合钉板组567例。Meta分析结果显示:ROI-C组与融合器联合钉板组在手术时间(MD=-15.52,95%CI:-18.62至-12.42,P<0.00001),术中出血量(MD=-24.53,95%CI:-32.46至-16.61,P<0.00001),术后邻近节段退变率(RR=0.40,95%CI:0.27-0.60,P<0.00001)和术后总吞咽困难发生率(RR=0.18,95%CI:0.13-0.26,P<0.00001)均具有显著性差异。两者在术后JOA评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率和融合器沉降率方面无显著性差异(P≥0.05)。结论:在颈椎前路减压融合术中应用ROI-C^(TM)自锁系统与传统融合器联合钉板内固定治疗退行性颈椎病均可达到满意的临床效果,ROI-C^(TM)自锁系统操作更加简单,相比融合器联合钉板内固定能明显减少手术时间及术中出血量,在减少术后吞咽困难及邻近节段退变发生率等方面具有明显优势,对于跳跃型颈椎病及邻椎病翻修患者,更加推荐使用ROI-C^(TM)自锁系统。但鉴于其可能存在较高的沉降率,对于多节段且合并融合器沉降高危因素如骨质疏松、椎体终板破损的退行性颈椎病患者,仍建议使用融合器联合钉板内固定。
文摘为解决指针式仪表示数读取中识别精度低和算法读取速度慢的问题,提出一种基于戴明回归和感兴趣区域(region of interest, ROI)细化的指针式仪表读数技术.给出了仪表示数读取的算法流程:首先选择ROI,采用基于颜色通道的剪影法和二值化形态学操作进行图像预处理;接着运用图像帧差法消除指针的抖动;然后利用ROI细化算法对待识别仪表的指针进行细化;再使用戴明回归法拟合出仪表指针所在直线的方程和斜率;最后根据指针斜率利用角度法计算仪表的实时示数.通过3组试验,测试了该方法的可行性和防抖动能力,比较了戴明回归拟合直线与霍夫直线检测拟合直线的检测精度,还比较了ROI细化算法与全局细化算法的计算速度.结果表明该方法检测的平均误差比霍夫直线检测减小了37.85%,每张图像的平均计算时间比全局细化算法减少了192.717 s,同时具有防抖动能力.
文摘感兴趣区域(Region of interest,ROI)提取在生物特征识别中,常用于减少后续处理的计算消耗,提高识别模型的准确性,是生物识别系统中预处理的关键步骤.针对生物识别数据,提出了一种鲁棒的ROI提取方法.方法使用语义分割模型作为基础,通过增加全局感知模块,与分割模型形成对抗结构,为模型提供先验知识,补充全局视觉模式信息,解决了语义分割模型的末端收敛困难问题,提高了模型的鲁棒性和泛化能力.在传统二维(2D)指纹、人脸、三维(3D)指纹和指纹汗孔数据集中验证了方法的有效性.实验结果表明,相比于现有方法,所提出的ROI提取方法更具鲁棒性和泛化能力,精度最高.
文摘旋转目标检测是遥感图像处理领域中的重要任务,其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题,提出了一种改进的RoI Transformer旋转目标检测框架:首先,利用RoI Transformer检测框架获取旋转的感兴趣区域特征(rotated region of interest,RRoI)用于鲁棒的几何特征提取;其次,在检测器中引入高分辨率网络(high-resolution network,HRNet)提取多分辨率特征图,在保持高分辨率特征同时适应目标的多尺度变化;最后,引入KLD(Kullback-Leibler divergence)损失,解决旋转目标表示的角度周期性的问题,提高检测方法对任意方向目标的适应性,并通过旋转目标边界框参数的联合优化提升目标定位精度。本文提出的旋转目标检测方法,即HRD-ROI Transformer(HRNet+KLD ROI Transformer),在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较。结果显示:相比于传统的RoI Transformer检测框架,本文方法在DOTAv1.0和DIOR-R数据集上检测结果的mAP(mean-average-precision)分别提高了3.7%和4%。
文摘热轧带钢是钢铁行业的重要产品,其表面缺陷是影响产品质量的重要因素。针对传统缺陷检测算法存在的过程繁琐、精度不足和效率低下等问题,提出一种基于改进更快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)的检测算法,实现对热轧带钢表面缺陷的高效、高精度检测。首先,采用特征相加的方法对底层细节特征和高层语义特征进行融合;然后,采用精准的感兴趣区域池化(precise region of interest pooling,Precise ROI Pooling)获取固定大小的特征向量,避免特征出现位置偏差;最后,利用均值偏移聚类算法对带钢数据集进行聚类,获得适用于热轧带钢表面缺陷检测的先验框尺寸。实验结果表明,所提算法在热轧带钢表面缺陷检测数据集上的平均精度均值达到了85.34%,检测速度为23.5帧/s,且鲁棒性良好,满足实际的工业检测需求。
