头颈联合3D-TOF-MRA人工智能辅助压缩感知序列的优化

目的通过比较施加不同加速因子(acceleration factors,AF)的并行采集(parallel imaging,PI)、压缩感知(compressed sensing,CS)、人工智能-压缩感知(artificial intelligence compressed sensing,ACS)技术的头颈联合三维时间飞跃法磁共振血管成像(three-dimensional time-of-fight magnetic resonance angiography,3D-TOF-MRA)的图像质量,选取优化序列。材料与方法前瞻性招募24例健康志愿者,以PI的AF为3(PI 3)、CS的AF分别为4和6(CS 4、CS 6)以及ACS的AF分别为4、6、8、10(ACS 4、ACS 6、ACS 8、ACS 10)进行头颈联合3D-TOF-MRA扫描。扫描时间:PI 3=8 min 40 s;CS 4=6 min 38 s;CS 6=4 min 9 s;ACS 4=5 min 24 s;ACS 6=4 min 30 s;ACS 8=4 min 13 s;ACS 10=3 min 24 s。分别在双侧大脑中动脉(middle cerebral artery,MCA)M1段、双侧颈内动脉(internal carotid artery,ICA)C4段、颈动脉分叉处下5个层面的双侧颈总动脉(common carotid artery,CCA)以及MCA及ICA同一层面的颞叶白质,CCA同一层面的胸锁乳突肌作为背景区域勾画感兴趣区(regions of interest,ROI),记录信号强度(signal intensity,SI)及标准差(standard deviation,SD),从而计算信噪比(signal-to-noise ratio,SNR)与对比噪声比(contrast-to-noise ratio,CNR)。采用四分法和五分法分别对整体图像质量以及颅内动脉、颈部大动脉进行评分。以组内相关系数(intra-class correlation coefficient,ICC)比较两名放射医师之间及同一名放射医师内客观评价结果的一致性,Kappa检验比较两名放射医师之间及同一名放射医师内主观评价结果的一致性,若一致性良好,则选取其中一位医师的客观评分及主观评分进行后续统计分析。采用单因素方差分析或Kruskal-Wallis检验对客观评分以及主观评分进行总体差异比较,若差异具有统计学意义则进行两两比较。结果与PI技术比较显示,ACS 4~ACS 8的SNR_(L-MCA),ACS 8、ACS 10的CNR_(L-MCA),ACS 4、ACS 6、ACS 10的CNR_(R-MCA),ACS 4~ACS 10的SNR_(R-MCA)、SNR_(L-CCA)、CNR_(L-CCA),ACS 6~ACS 10的SNR_(R-CCA)、CNR_(R-CCA)均高于PI 3,差异具有统计学意义(P<0.05)。与CS技术比较显示,ACS 4~ACS 10的SNR_(R-MCA)、CNR_(L-MCA)及CNR_(R-MCA),ACS 4~ACS 8的SNR_(L-MCA)、SNR_(L-CCA)、SNR_(R-CCA)、CNR_(L-CCA)、CNR_(R-CCA)与CS 4差异具有统计学意义(P<0.05),ACS 4~ACS 10的SNR_(L-MCA)、SNR_(R-MCA)、CNR_(L-MCA)、CNR_(R-MCA)、SNR_(L-ICA)、SNR_(R-ICA)、CNR_(L-ICA)、SNR_(L-CCA)、SNR_(R-CCA)、CNR_(L-CCA)、CNR_(R-CCA)与CS 6差异具有统计学意义(P<0.05),均优于CS 4、CS 6。ACS技术之间两两比较,ACS 8的SNR_(L-MCA)高于ACS 10(P<0.05),ACS 8、ACS 10的SNR_(R-CCA)、CNR_(R-CCA)均高于ACS 4(P<0.05),其余差异均无统计学意义(P>0.05)。除颈部大动脉图像外,主观评分统计结果均为ACS 4~ACS 10与CS 6差异具有统计学意义(P<0.05),优于CS 6。结论与PI及CS技术相比,ACS技术拥有更短的扫描时间,更好的图像质量。ACS 8为最优序列,扫描时间比PI 3缩短51%。

多源遥感数据在战场环境智能态势感知的现状及展望

面对复杂战场环境信息的快速变化,及时全面准确地掌握复杂战场环境态势,是未来打赢信息化战争的前提条件。为了探索多源遥感数据对战场环境态势感知的发展方向,基于广泛调研战场环境态势感知的遥感需求,首先对战场环境态势智能感知的概念和内涵进行了阐述,然后对多源遥感数据的处理与战场态势感知应用现状进行概述,分析了遥感在战场态势智能感知面临的挑战,最后提炼总结了遥感在战场态势感知的进展和发展趋势。遥感为战场环境态势感知提供多种观测数据,遥感与人工智能算法结合可以为军事战场环境态势感知提供多种应用,为指挥人员决策提供数据支持,但仍然存在大量挑战需要解决。在分析现阶段成果和面临挑战的基础上,提出了遥感在战场环境智能态势感知的前瞻,指出了基于遥感的深度学习可解释性和智慧战场是遥感在战场智能态势感知发展所面临的困难。

联合战场信息感知系统指标体系初探

定义了联合战场信息感知系统,并对其指标体系架构作了探讨,分析了如何从联合战场信息感知功能系统的军事需求、作战使命和任务确定系统的指标体系;通过确定多种边界条件构建了指标体系模型,最后总结了指标体系的设计原则。

基于空间信息技术的战场侦察与情报处理技术体系研究

在战场侦察中,空间信息技术能用于目标与环境探测、资源定位与报告、时空分析与处理、战场可视化、侦察指挥控制与军事空间决策等方面,进而实现战场侦察多维度探测、形象化表达、动态化分析、逼真化模拟和科学化决策。针对目前空间信息与战场侦察交叉体系化研究比较薄弱,且技术体系尚不明确等问题,在分析战场侦察技术需求的基础上,从空间信息技术的3大核心(遥感、地理信息系统和定位导航技术)入手,分别探讨了其在战场侦察中的作用,构建了基于空间信息技术的战场侦察与情报处理技术体系,回顾了空间信息在战场侦察中的应用现状,并对未来的发展进行了展望,为空间信息技术与战场侦察的交叉研究奠定了基础。