增强型金枪鱼群优化指数熵的砂粒显微图像分割

砂粒显微图像分割可以辅助地质评估,但因其种类繁多,特征复杂,为分割的准确度带来了挑战。针对该类图像提出一种增强型金枪鱼群优化指数熵的分割方法(ETSO-EXP),可以有效保留各类砂粒的纹理特征。首先,针对金枪鱼群优化算法(TSO)在全局搜索与局部开发上的若干不足,提出了混沌扰动策略、动态权重策略和余弦干扰策略对其增强,基准函数实验表明ETSO大幅提高了收敛精度,小幅提高了收敛速度。其次,将ETSO用于确定EXP的分割阈值,以分割图像的信息量为标准验证了该方案的可行性。最后,在雅鲁藏布江砂粒显微图像数据集上进行分割实验,与TSO-EXP相比,ETSO-EXP分割的图像在峰值信噪比、结构相似性、特征相似度和寻优速度的评估上分别达到了18.78%,6.85%,4.16%和3.83%的提升,在同类分割方法中性能最优。结果表明,分割方法ETSO-EXP对于对比度较高、纹理丰富或砂粒碎屑尺寸差异较大的图像都具有较高的分割精度和计算速度。

共聚焦显微成像系统P9000图像质量评价临床研究

目的评价共聚焦显微成像系统P9000检测人体消化道相关组织的有效性和安全性。方法选取2021年8月至2022年6月在北京中医药大学东方医院和山东大学齐鲁医院行内镜检查的96例患者为研究对象。94例受试者纳入全分析集(Full Analysis Set,FAS),90例患者纳入符合方案集(Per Protocol Set,PPS)。通过多中心、随机、自身对照研究,统计共聚焦显微成像系统P9000与国际公认的Cellvizio®系统检测人体消化道相关组织的图像质量评分一致性和95%CI,以及两组的操作时间和不良反应发生情况。结果FAS和PPS两款器械图像质量评分一致性和95%CI分别为92.55%(87.25%~97.86%)和92.22%(86.69%~97.76%),两者95%CI下限均大于目标值84.6%;两组器械操作时间相当,差异无统计学意义(P>0.05);两组均无设备导致的不良反应发生。结论共聚焦显微成像系统P9000的临床使用有效性和安全性达到了设计要求,值得临床推广应用。

基于分类配准与全景像素坐标系的显微图像快速拼接算法

目的提出一种基于分类配准与全景像素坐标系的显微图像实时拼接算法,以解决现有图像拼接算法精度低、计算复杂度高等问题。方法依据单视野图像的质量特征,利用评价函数对图像进行分类配准,适应不同的配准模型;构建全景像素坐标系,依据配准结果在此坐标系下进行整体拼接与缝隙融合;基于自主搭建的尿液样本显微扫描系统进行实验,以验证算法的有效性。结果实验结果表明,相比现有的图像拼接方法,本文基于分类配准与全景像素坐标系的显微图像快速拼接算法更有利于拼接缝隙的融合,且更稳定,拼接效果显著优于加速鲁棒特征和快速傅里叶变换单独拼接;在拼接时间方面,基于分类配准与全景像素坐标系的显微图像实时拼接算法的拼接时间大大缩短,拼接速度提升了1倍,且对于矩形扫描区域拼接的大视野图像,无明显拼接缝隙痕迹,可完成高质量的实时拼接。结论基于分类配准与全景像素坐标系的显微图像快速拼接算法能够满足快速高分辨率的大视野图像拼接需求,为显微图像拼接提供了一种更优的方法,便于相关人员进一步分析和应用。

基于灰狼优化算法的PCNN中药材显微图像分割

为有效分割中药材显微图像的目标信息,提出了一种基于灰狼优化算法(Gray wolf optimization,GWO)的改进型脉冲耦合神经网络(Pulse coupled neural networks,PCNN)中药材显微图像自动分割方法。首先,从适应处理显微图像的角度出发对传统PCNN模型进行简化与改进;其次,在训练图像中提取香农熵值作为GWO的适应度函数来自适应调节PCNN关键参数——链接系数β,进而实现图像目标的最优分割;最后,将所提算法与聚类分割法、OTSU法、传统PCNN法进行了实验比较,并用骰子系数、体积重叠误差、相对体积、精确度和交并比等常用医学图像分割评判标准对4种处理方法做了客观评价。实验结果表明,所提方法能够实现图像的自适应分割,较好地保持了图像细节、纹理及边缘等信息,对不同显微图像分割准确度高,改善了图像的分割性能,具有较强的适用性。

基于神经网络的复合材料光学显微图像孔隙的识别与统计研究

针对复合材料孔隙含量的光学显微图像法统计过程中出现的统计试样多、统计周期长、人工统计结果存在差异等问题,将计算机图像处理技术与神经网络算法相结合,基于复合材料孔隙人工统计方法形成计算机识别与统计算法,利用大量光学显微图像数据样本的标注与学习结果,开发了基于图像处理技术和深度学习网络技术的复合材料孔隙含量识别与统计系统。同时,为使该系统的适用性更强,开发了有监督的数据更新模块。在复合材料孔隙统计中的试验结果表明,与传统人工统计方法相比,深度学习网络算法能够更好地识别孔隙特征,孔隙统计结果的相对误差小于±10%;并在较大规模数据试验中取得了更好的效果,极大地减少了传统人工统计过程中的诸多弊端,优势更强。

基于Mask R-CNN的柑橘主叶脉显微图像实例分割模型

针对目前植物解剖表型的测量与分析过程自动化低,难以应对复杂解剖表型的提取和识别的问题,以柑橘主叶脉为研究对象,提出了一种基于掩膜区域卷积神经网络(Mask region convolutional neural network,Mask R-CNN)的主叶脉显微图像实例分割模型,以残差网络ResNet50和特征金字塔(Feature pyramid network,FPN)为主干特征提取网络,在掩膜(Mask)分支上添加一个新的感兴趣区域对齐层(Region of interest Align,RoI-Align),提升Mask分支的分割精度。结果表明,该网络架构能够精准地对柑橘主叶脉横切面中的髓部、木质部、韧皮部和皮层细胞进行识别分割。Mask R-CNN模型对髓部、木质部、韧皮部和皮层细胞的分割平均精确率(交并比(IoU)为0.50)分别为98.9%、89.8%、95.7%和97.2%,对4个组织区域的分割平均精确率均值(IoU为0.50)为95.4%。与未在Mask分支添加RoI-Align的Mask R-CNN相比,精度提升1.6个百分点。研究结果表明,Mask R-CNN模型对柑橘主叶脉各类组织区域具有良好的识别分割效果,可为柑橘微观表型研究提供技术支持与研究基础。

基于卷积神经网络融合的彩色傅里叶叠层显微重建

针对彩色傅立叶叠层显微重建存在图像获取时间长、采集低分辨率图像数量多等问题,采用基于卷积神经网络的图像融合方法来实现彩色傅立叶叠层显微重建。该方法基于图像融合原理,将单通道低分辨率图像重建的灰度高分辨率图像与相同视场下的彩色低分辨率图像融合,成功地重建彩色FPM图像。在保证图像恢复质量的同时减少了2/3的采集时间。实验结果表明,所提算法可以获得色彩不失真的彩色FPM图像,定量评价指标方均根误差小于0.01,结构相似性参数大于0.89。

融合类别注意力的铝硅合金显微图像分割方法

为了提取铝硅合金显微图像的初晶硅区域,提出一种结合类别注意力块(Class attention block,CAB)的改进模型类别注意力网络(Class attention network,CA-Net)。类别注意力块从特征图中计算各通道与每个类别的相关性信息,并将不同类别的相关性信息融合产生注意力权重,以使特征通道的权重与其对任务类别的贡献相关,从而增强重要特征的表达,并抑制无关特征的干扰。在铝硅合金显微图像数据集上进行实验,本文提出的方法在Dice系数、Jaccard相似度、敏感度、特异度和分割准确率上的结果分别为94.82%、90.16%、94.54%、98.80%和97.97%。相比CCNet、SPNet和TA-Net等方法,CA-Net能够有效改进铝硅合金显微图像中初晶硅区域的分割效果。

改进扩展Kalman滤波的显微视觉压电驱动定位

在显微视觉领域,压电驱动定位技术因其在微观尺度的高精度特性和灵活性备受关注。然而,由于定位过程中涉及图像处理、传输和控制等方面的时延,导致图像雅可比矩阵的估计会出现较大误差。因此,本文提出了一种改进扩展Kalman滤波算法用来预测图像雅可比矩阵,大幅度降低时间延迟因素。首先,将辨识得到的Bouc-Wen模型与扩展Kalman滤波算法的状态观测方程相结合,使得状态观测方程更全面地考虑压电平台的迟滞非线性特性,有效地提高了对压电平台速度和位置的预测;其次,结合Bouc-Wen模型的扩展Kalman滤波算法在面对非线性问题时,采用的是泰勒级数,这将导致扩展Kalman滤波算法对高度非线性的函数无法提供良好的近似,从而导致在估计雅可比矩阵的时候引入较大的近似误差,故本文将采用神经网络对高度非线性函数进行近似,进而对图像雅可比矩阵进行估计。最后,通过搭建一个显微视觉的压电驱动实验平台,进行位置跟踪实验,仿真实验表明,输入信号分别为正弦信号和三角波信号时,改进扩展Kalman滤波算法跟踪误差均值分别为0.199μm和0.132μm,而扩展Kalman滤波算法的跟踪误差均值分别为0.692μm和0.513μm,结果验证了改进算法的优越性和可行性。

基于显微图像法和数值仿真的宽分布颗粒粒度测量的不确定度分析

随着宽粒度分布标准物质概念的提出,其定值方法也需加以明确。针对宽粒度分布标准物质电子显微图像的处理和不确定度等问题,首先采用了基于霍夫变换圆检测的球形颗粒图像边界识别方法,以实现对粘连颗粒图像的正确分割;其次通过数值仿真的方法确定了由取样数量引入的Dv50测量值的不确定度,并与相关标准进行对比分析,验证了该方法的可行性;最后提出了由单个颗粒粒径不确定度获取颗粒系平均粒径不确定度的方法,并对粒度分布范围在1~18μm的玻璃微珠颗粒进行了不确定度评估,得到其相对扩展不确定度为1.613%(k=2)。

一种融合CNN和Swin Transformer的医学显微图像分割模型

医学显微图像分割在临床诊断和病理分析中具有重要应用价值。然而,由于显微图像具有形状、纹理、大小等复杂的视觉特征,因此要精确分割显微图像是一项困难的任务。文中提出了一种新的分割模型UMSTC,该模型基于U型结构,并通过将U-net模型和Swin Transformer模型进行融合来兼顾图像的细节特征和宏观特征,并保持建模完整性。具体来说,UMSTC模型的下采样部分采用Swin Transformer网络来优化其内含的注意力机制,以提取微观和宏观特征;上采样部分基于CNN网络反卷积操作,并通过残差机制接收和融合下采样阶段的特征图,以减小图像合成精度损失。实验结果表明,所提出的UMSTC分割模型比目前主流的医学图像语义分割模型具有更好的分割效果,其中mPA提高了约3%~5%,mIoU提高了约3%~8%,且分割结果具有更高的主观视觉质量和更少的噪点。因此,UMSTC模型在医学显微图像分割领域具有广泛的应用前景。

浮游藻类细胞微流控-显微图像形变校正方法

流式细胞显微图像分析法是水体浮游藻类自动鉴别的重要发展方向,快速进样条件下细胞显微图像将产生形变,影响浮游藻类自动鉴别准确率。本文基于搭建的浮游藻类微流控-显微成像实验系统,通过对不同进样流速下藻类细胞显微形变和图像清晰度的分析,研究了流速对显微成像形变的影响规律。分析基于卷帘快门拍摄运动物体产生形变原理,提出了单向偏移像素的图像形变校正方法,并与藻类细胞静态条件下获取的图像进行了对比分析。实验结果表明:静态条件下,湖生卵囊藻细胞的图像长宽比及清晰度均值分别为1.16和116.53;动态进样过程中,随着流速增大细胞图像形变(长宽比)逐渐增大、清晰度降低;95μL/min进样流速下,校正前后细胞图像长宽比均值分别为1.35和1.26,形变离散程度由校正前的0.33降至0.1,与静态细胞形态接近且校正前后图像清晰度基本不变。本文研究结果为提升水体浮游藻类细胞自动鉴别准确率提供了依据。

结构光照明光切片显微图像的高保真重构方法

光切片图像的质量与使用的重构算法直接相关,传统的均方根算法虽然简洁,但在原始图像信噪比和条纹对比度不高时重构效果不佳,得到的三维重建结果并不理想。针对该问题,提出一种去背景和去卷积相结合的光切片方法。与传统均方根算法相比,该方法能有效减少残留条纹,提高微小细节的可见性。实验搭建了一套基于数字微镜器件的结构照明显微系统,以小鼠肾脏细胞、牛肺动脉内皮细胞等为样品进行了光切片实验。实验结果表明,该方法能获得更好的光切片和三维成像效果。

川中地区中三叠统雷口坡组碳酸盐岩显微图像数据集

雷口坡组碳酸盐岩在川中地区广泛发育,展示出了良好的勘探前景和较大的勘探潜力。川中地区碳酸盐岩储集层十分发育,各类孔隙发育、保存良好,表生溶蚀、埋藏溶蚀和白云石化作用等改善了储集物性,提高了储层的渗透率。孔隙类型包括粒内溶孔、粒间溶孔、铸模孔等,可见连通型溶蚀缝。顶部在岩溶作用下,形成良好的古风化壳储层。通过采集川中北部地区LG19井、LG173井、ZT1井、TN112井、Y105井和PL19井等钻遇的雷口坡组地层为研究对象,制作了岩石显微薄片数据集。川中地区雷口坡组以藻纹层白云岩、砂屑白云岩和角砾状白云岩为主。沉积相为碳酸盐岩蒸发-局限台地相沉积,亚相可分为潮坪、台内滩亚相,潮坪有云坪、膏云坪等微相,而台内滩又可细分为生屑滩、砂屑滩等。本图片数据集,可用于划分该地区雷口坡组沉积微相,研究微相对储层形成及分布的控制,判断出有利储集微相,为油气勘探开发提供有效指导。本数据集能进一步用于机器学习图像数据集制作,提供基础数据支撑。

科研论文中显微图像的获取和处理

显微成像是科学研究中重要且直观的方法,插图是科研论文的重要组成部分,对于成像技术的初学者而言,在显微图像获取和处理过程中容易面临各种问题及误区,该文围绕显微图像的获取和处理过程,详细阐述了样本制备、显微镜选择和图像处理与分析的各个步骤及其注意事项,为成像技术的初学者提供重要的参考依据,以便能合理利用显微成像技术获得可靠的实验数据,科学地展示论文插图。

超声定位显微成像对肿瘤演进及磁热疗效的评估

肿瘤的演进和消融伴随着微血管网络的变化,因此使用超声定位显微成像技术评估肿瘤区域微血管及其在磁热疗作用下的变化。通过构建小鼠肿瘤动物模型,搭建实验平台进行超声动物实验,实现肿瘤内部细微血管成像。通过向肿瘤部位注射磁纳米粒子,在外部磁场的作用下产生热效应,实现对肿瘤的磁热治疗。实验结果表明,超声定位显微镜成像能观察到肿瘤生长演进过程中微血管网络的变化,且其变化情况与免疫组化结果具有一致性。此外,磁热治疗后肿瘤内部血管明显减少,与病理切片结果相符,验证了磁热治疗的可行性。

基于深度神经网络的煤岩显微图像划痕检测与修复

煤岩显微组分的定量分析对客观评价煤的性质、质量进而实现煤炭的高效利用至关重要。然而,由于操作的不规范或刀具的破损,易造成煤光片中划痕的出现,影响进一步的自动化分析,而重新制作煤光片会造成人力和资源的浪费。鉴于此,为修复煤岩显微图像中的划痕区域,提出了基于深度学习的显微图像划痕检测与修复策略。首先,针对划痕检测设计了一种融合空间注意力与通道注意力的双注意力模型,充分挖掘煤岩显微图像的语义信息,并将其与U-Net语义分割网络融合,提高了划痕检测的准确性。然后,针对基于补丁匹配的图像修复算法会使煤岩划痕祛除区域与周围区域存在纹理差异的问题,设计了一种结合上下文注意力和生成对抗学习的煤岩显微图像修复网络。该网络自适应地为煤岩划痕区域填充合理内容,改善了图像修复质量。试验结果显示,划痕检测的平均像素准确度和平均交并比分别达到90.93%和83.95%,修复后的图像的峰值信噪比和结构性相似度分别达到43.29 dB和99.32%,相较于传统基于补丁匹配的算法,分别提高了8.76 dB和1.65%,验证了所提划痕检测与修复方法的有效性。

基于陶瓷显微特征与深度学习的窑口分类方法研究

针对传统人工鉴定陶瓷类别存在误差,基于化学特征或光谱特征分析的方法可能对陶瓷造成损坏性等问题,提出采用显微特征与深度学习模型的陶瓷分类方法,并且不破坏陶瓷结构和艺术价值。该方法运用VGG-16,Inception-v3,GoogLeNet三种深度学习模型进行图像特征提取,采用随机梯度下降(SGD)算法,通过冻结和解冻模型层来实现模型参数的最优拟合;实验采用准确率、精确度、召回率和F1评分标准来提供综合的分类结果,在5折交叉验证和独立测试实验下,对比这三种深度学习模型,得到Inception-v3模型效果更好,此外,我们运用对应分析来探讨不同窑口的陶瓷显微图像的分布。该方法可应用于陶瓷文物鉴定领域,有助于提高诊断的准确性和效率,为相关研究领域提供新的思路和方法。

基于显微图像定量分析的污泥体积指数预报

污泥体积指数(SVI)是评价活性污泥沉降性能的一个重要参数。传统SVI测量依赖实验室化验分析,繁琐、耗时,难以实现污泥质量的实时监视和闭环控制。本研究旨在利用活性污泥显微图像的定量分析开发可靠且稳定的SVI预报方法。该方法通过相位一致性原理抑制相差效应,使用相位拉伸变换和阈值分割方法分割丝状菌和絮体目标,并表征和提取与SVI相关的形态学特征。最后,通过皮尔逊相关系数法选择特征参数子集,构建动态随机配置网络SVI预报模型。以某污水处理厂A2O工艺为背景,进行了实验验证。实验结果表明所提方法的可行性和有效性。

基于深度学习的显微图像计算机辅助诊断

根据世界卫生组织发布的报告,全球疟疾、结核病的发病率仍高居不下。手动显微镜检查厚薄载玻片和痰涂片是疟疾和结核病诊断的重要手段,这种方法的缺点之一是高度依赖医学检验师,容易出现主观误判。在低收入和发展中国家的偏远地区高技能实验室人员缺乏,加上显微图像中疟原虫和结核杆菌存在形状多变、体积较小和某些细胞体不确定等因素,导致疟原虫和结核杆菌检测困难。本文提出一种基于Faster R-CNN的改进算法,用于从显微图像中自动筛选疟原虫和结核杆菌。首先在原始Faster R-CNN框架上加入卷积滤波器层,采用深度残差网络提取特征,来提升模型的检测性能,然后评估改进后的模型在2种不同显微任务上的性能:在厚血涂片疟疾显微图像数据集上AP值达到94.55%,在痰涂片结核病显微图像数据集上AP值为97.96%,比原始Faster R-CNN模型提升了7.40个百分点和8.04个百分点。结果表明,修改后Faster R-CNN模型可以从智能手机的显微镜目镜上捕获的图像中检测疟疾寄生虫和结核杆菌位点,减少手动显微镜检查的依赖,辅助研究人员诊断,表明该模型适合部署在资源匮乏的地区。