基于体素的形态学测量结合ASL在脊髓小脑共济失调3型诊断中的应用价值

目的 探讨基于体素的形态学测量方法 (VBM)结合3D脉冲式动脉自旋标记灌注成像(3D-PASL)对脊髓小脑共济失调3型(SCA3)的诊断价值。方法 前瞻性收集2018年5月~2019年5月经基因检测证实为SCA3的患者,并募集与其性别、年龄、身体质量指数(BMI)匹配的健康志愿者。对所有入组者行基于全脑的T1WI磁化强度预备快速梯度回波(T1MPRAGE)和3D-PASL扫描,获得被试者经Dartel配准后的全脑标准化灰质概率图以及全脑脑血流量(CBF)图。进一步通过组间VBM比较确定灰质体积显著差异的脑区及其特利尔神经研究所(MNI)标准空间坐标作为兴趣区,提取相应脑区的CBF值,并通过非参数检验和受试者工作特性曲线(ROC)分析评价其对SCA3的诊断价值。结果 相比健康对照[n=12,平均(36.92±14.26)岁],VBM示SCA3患者[n=19,平均(40.89±13.72)岁]的右侧小脑半球存在灰质体积显著减低区域,主要位于右侧小脑前叶(MNI坐标x:18,y:-54,z:-19.5)(P<0.05,FWE校正)。进一步对比分析相应区域的CBF值,结果表明SCA3患者右侧小脑前叶的CBF值(56.0±30.9) ml/100 g/min明显高于对照组(29.6±21.0)ml/100 g/min(P<0.05)。ROC分析显示,基于右侧小脑前叶的CBF对SCA3具有中等程度的诊断效能,曲线下面积(AUC)为0.75,特异度、敏感度和界值分别为75.0%、84.2%和29.8 ml/100 g/min。结论 相比健康对照,SCA3患者的右侧小脑前叶灰质体积显著减低,相应区域CBF增高。基于右侧小脑前叶的CBF值可用于诊断SCA3。

电针曲池、足三里穴对缺血性卒中大鼠脑功能的影响

目的:建立缺血性卒中(MCAO)大鼠模型,观察电针曲池、足三里穴对MCAO模型大鼠脑功能的影响。方法:将24只SPF级雄性SD大鼠随机分为假手术组(S组)、模型组(M组)和电针组(EA组),记录体重、神经缺损评分(NDS)、脑血流及造模前(B)、造模后(1d)、造模后(10d)的静息态功能磁共振(rs-fMRI),对比观察电针干预对脑缺血大鼠脑功能康复的影响。结果:NDS评分:M组、EA组2h、1d、3d、5d、7d均显著高于S组(P<0.05);M组1d、3d、5d、7d均显著高于EA组(P<0.05)。体重:S组、EA组3d、5d、7d与B、1d相比显著上升(P<0.05);M组7d与1d相比显著上升(P<0.05);M组与S组相比1d时显著下降(P<0.05);M组与S组、EA组相比5d、7d时均显著下降(P<0.05)。血流量、红细胞浓度:S组、EA组2h与B相比显著下降(P<0.05);S组1d与2h相比显著上升(P<0.05);EA组3d与2h相比显著上升(P<0.05);M组1d、3d、5d、7d时与其S组、EA组相比均显著下降(P<0.05)。脑成像中,10d时EA组在健侧小脑、脑干的基于体素的形态学分析(voxel-based morphometry,VBM)显著高于S组(P<0.05)。结论:电针早期干预对脑缺血大鼠的脑功能有影响,可能与建立有效的侧支循环及增强神经元活动有关,从而影响运动相关的脑区,具有促进运动功能康复的潜力。

动态柔性地物三维模拟理论与方法新探

针对地学动态柔性物体建模,提出GIS流素与柔性体元(GISFlowElementandSoftVoxel)的概念,作为动态柔性地物的基本模拟单元。当忽略体积时,称为GIS流素(FE);当强调体积时,则称为GIS柔性体元(SV)。GIS流素与柔性体元三维模拟基于计算机图形学中的粒子与元球技术,区别在于GIS流素与柔性体元具有明确的地学意义,并基于地学模型突出反映地学规律。现实世界中,水流、泥沙、雪花、云雾、泥石流、熔岩流、草原等均可用GIS流素进行模拟,而构造运动中岩层的挤压、扭曲变形、生物体、树木随风摆动等可用GIS柔性体元进行模拟。该文以水流与土壤模拟为例,论证该方法的应用前景。

基于改进Marching Cubes算法的血流实时仿真研究

针对传统的Marching Cubes算法空体元检测时间过多影响执行效率的问题,设计了一种针对流体表面绘制的Marching Cubes改进算法。在算法中,首先检测了规则点阵的密度,然后通过设定阈值将粒子密度低于阈值的区域与密度高于阈值的区域分离,仅将密度较高的区域使用简化版Marching Cubes算法绘制。仿真实验证明,与球形渲染算法和Marching Cubes算法相比,本文提出的算法减少了对空体元的访问,提高了显示的质量,从而使得整体绘制算法符合实时渲染的要求。

基于像素流的视频彩色化

针对利用传统光流传递关键帧颜色信息的视频彩色化方法计算耗时问题,以及全局传递颜色的视频彩色化方法导致欠饱和度问题,提出基于像素流的视频彩色化方法.首先,将参考帧与目标帧转换到Lab颜色空间中,利用其亮度通道通过一个深度学习网络得到像素流,该像素流中的数值指示了目标帧的颜色在参考帧中的位置;然后,利用该像素流对参考帧颜色通道进行双线性插值得到目标帧颜色通道;最后,将得到的颜色通道与目标帧亮度通道组合得到最终的彩色化图像.实验结果表明:该方法得到的彩色化图像能够保持参考帧颜色的饱和度且边缘颜色清晰,具有更高的峰值信噪比;运算速度较基于传统光流彩色化方法大大提高.

基于增强PyrLK光流法的三维树木骨架重建方法

针对树木骨架重建要求手工交互多、不精确的问题,提出了用增强Pyr LK光流法对树木骨架进行重建,且可以基于多幅图像完全自动化地进行树木建模.首先在传统Pyr LK光流法的基础上加入了特征点的仿射变换和迭代追踪,提出增强Pyr LK光流法,解决了传统Pyr LK光流法不支持特征点旋转和双向匹配验证的问题;其次利用邻域的泛洪和局部点云的拟合进行高速、准确的树木骨架抽取,提出了三维体素泛洪和最小二乘拟合的方法.实验结果表明,文中方法能够快速重建出极具真实感的三维树木骨架模型.

基于深度体素流的模糊视频插帧方法

针对视频运动模糊严重影响插帧效果的情况,提出了一种新型的模糊视频插帧方法。首先,提出一种多任务融合卷积神经网络,该网络结构由两个模块组成:去模糊模块和插帧模块。其中,去模糊模块采用残差块堆叠的深度卷积神经网络(CNN),提取并学习深度模糊特征以实现两帧输入图像的运动模糊去除;插帧模块用于估计帧间的体素流,所得体素流将用于指导像素进行三线性插值以合成中间帧。其次,制作了大型模糊视频仿真数据集,并提出一种先分后合、由粗略至细致的训练策略,实验结果表明该策略促进了多任务网络有效收敛。最后,对比前沿的去模糊和插帧算法组合,实验指标显示所提方法合成中间帧时峰值信噪比最少提高1.41 dB,结构相似性提升0.020,插值误差降低1.99。视觉对比及重制序列展示表明,所提模型对于模糊视频有着显著的帧率上转换效果,即能够将两帧模糊视频帧端对端重制为清晰且视觉连贯的三帧视频帧。

基于压缩与精化深度体素流模型的视频插值

视频插值是利用视频相邻帧的图像信息合成中间帧,可直接应用于慢动作视频回放、高频视频合成、动画制作等领域。现有基于深度体素流的视频插值模型存在合成精度低、参数量大的问题,限制其在移动端的部署应用。提出一种压缩驱动的精化深度体素流插值模型。通过预训练深度体素流模型提高视频的插值质量并确定高精度参数,利用稀疏压缩技术裁剪卷积通道数,以减少参数量并得到粗体素流,同时将输入视频帧、粗体素流和粗中间帧作为精体素流网络的输入,获得精体素流。在此基础上,通过三线性插值方法计算得到精中间帧,以增强模型对边缘信息的捕获能力,从而提高中间帧质量。在Vimeo 90K和UCF101数据集上的实验结果表明,相比DVF、SepConv、CDFI等模型,该模型的峰值信噪比和结构相似性分别平均提高1.59 dB和0.015,在保证参数量增幅较小的前提下,能够有效优化视频合成效果。