基于条件GAN的复杂动作图像轮廓智能捕捉研究

针对复杂动作本身的高动态性和多样性,传统的图像处理方法难以准确捕捉其轮廓,文中研究基于条件GAN的复杂动作图像轮廓智能捕捉方法,精准了解动作执行情况。该方法利用像素覆盖分割模型来分割原始复杂动作图像,获取复杂动作目标图像,将其作为约束条件输入生成器,经过编解码器处理后输出虚假复杂动作图像轮廓生成结果,判别器将生成器输出的虚假轮廓和真实复杂动作图像轮廓作为输入,在损失函数作用下进行真假判别,并采用反向传输的方式对生成器和判别器的参数进行迭代更新,实现最佳复杂动作图像轮廓智能捕捉。结果显示:该方法可以有效捕捉不同类型的复杂动作图像轮廓,通过消融实验证明,改进后的条件GAN模型可显著提升捕捉到的图像轮廓的平滑度和形状保持性,为捕捉复杂动作图像轮廓提供了一种新方法。

基于改进残差网络的联合损失步态特征识别

针对现有的步态识别模型识别准确率不够高、提取特征层次较浅等问题,在步态识别网络GaitSet的基础上,提出一种新的基于改进残差网络的联合损失步态特征识别模型Res-GaitSet。步态作为一种独特而有效的远距离识别生物特征,可以在老年医学评估、社会秩序保障等方面被广泛应用。新网络在特征提取模块中引入残差单元,并采用多个损失函数联合使用的方式,此方法可有效提高步态识别模型的准确性和鲁棒性。实验结果表明,改进后的网络Res-GaitSet在CASIA-B数据集的多个场景和不同识别角度下的准确率均有提升。同时,将改进后的网络用于自建步态数据集,对比于原网络,改进后的网络识别效果在不同角度下也均有提升,充分验证了改进模型的有效性。

基于深度学习的人体轮廓识别

为了解决人体轮廓识别精度不高,鲁棒性不好的问题,在保证实时性的要求下,提出了一种基于深度学习的人体轮廓识别方法,该方法采用U-Net神经网络框架,建立特定视角的数据集,利用高斯滤波进行图像预处理操作,设计使用Dice和交叉熵函数相结合的损失函数进行训练。实验表明,该方法的重合度为91.85%,单次识别耗时为50.56 ms,在保证精度和实时性的前提下,也保证了对不同环境的适应性,在实际应用中有良好的价值。

增强轮廓约束的自动分割模型在乳腺癌术后放疗中的应用研究

目的构建端到端深度学习研究平台,实现乳腺癌改良根治术后胸壁临床靶体积(CTV)和危及器官(OAR)自动分割模型训练,并通过轮廓约束以改进损失函数来提高模型的分割精度。方法入组2018-01-16-2020-07-29北京大学人民医院(115例)和烟台毓璜顶医院(58例)左侧乳腺癌改良根治术后患者,前者随机分为70例训练集、5例验证集、40例测试集(A组),后者58例全部作为外部测试集(B组)。针对常规的戴斯损失函数(Dice Loss)未对轮廓进行约束的问题,本研究创新性设计了增强轮廓正则化约束的损失函数(CURC Loss)。分别进行了损失函数对比实验和训练集规模实验,使用戴斯相似性系数(DSC)和豪斯多夫距离(HD)来评估模型的分割效果,以及配对样本t检验以验证统计差异性。结果在测试集A组中,Dice Loss模型和CURC Loss模型的平均表现分别为0.87/6.43 mm和0.9/5.55 mm(DSC/HD),后者在CTV、心脏等器官相比于前者具有显著性优势。在测试集B组中,两者的平均表现为0.85/7.42和0.89/5.65 mm(DSC/HD),后者在CTV、心脏、右肺和食管的分割精度上相比前者有统计学意义的提升,P<0.05。此外,CURC Loss模型在仅使用10例训练数据的条件下,在测试集A组中和使用70例数据训练的分割精度相近,使用40例训练数据能在测试集B组中达到和70例训练集相近的分割精度。结论本研究针对乳腺癌改良根治术后的自动分割任务提出了CURC Loss,相比于Dice Loss,能够使深度学习模型的分割精度有明显提升,且在外部测试集上的表现更加稳定。同时,CURC Loss能够在较少的训练数据量的情况下达到较高的精度。

融合轮廓信息与条件生成对抗的视网膜血管分割

针对现有视网膜血管分割算法存在主血管末端易断裂、中心黄斑和视盘边界易误分割等问题,本文提出一种融合血管轮廓信息与条件生成对抗网络的视网膜血管分割算法。首先,采用非均匀光照移除和主成分分析处理眼底图像,增强血管与背景的对比度,并获得特征信息丰富的单尺度灰度图像。其次,将集成了带偏移量的深度可分离卷积和挤压激励(SE)模块的密集块同时运用到编码器和解码器,缓解梯度消失和梯度爆炸,同时使得网络专注于学习目标的特征信息。然后,引入轮廓损失函数,提升网络对血管信息和轮廓信息的辨识能力。最后,在DRIVE与STARE数据集上分别进行实验,受试者曲线值分别达到0.9825和0.9874,准确率分别达到0.9677和0.9756。实验结果表明,本文提出的算法能够准确辨别轮廓与血管,减少血管断裂,在临床眼科疾病诊断中具有一定的应用价值。