面向手术导航3D/2D配准的无监督跨域迁移网络

3D/2D配准是手术导航的关键技术,现有基于深度学习的配准方法通过网络提取图像特征,继而回归出相应的姿态变换参数。此类方法依赖于真实的样本以及对应的3D标签用于训练,然而这部分专家标注的医疗数据十分稀缺。替代的方案用数字重建放射影像(DRR)图像训练网络,由于图像特征跨域的差异,在X射线图像上难以保持原有的配准精度。针对上述问题,设计基于自注意力的无监督跨域迁移网络(UCDTN),无须依赖X射线图像与其对应的3D空间标签作为训练样本,将源域所捕获的图像特征与空间变换间的对应关系迁移到目标域,借助公共特征减小域间特征的差距、降低跨域所带来的负面影响。实验结果表明,UCDTN预测结果的平均配准误差(mTRE)为2.66 mm;与未经跨域迁移训练的模型相比,mTRE指标降低了70.61%,验证了UCDTN在跨域配准任务上的有效性。

认知语法框架下汉英动作动词的名物化对比研究

现代汉语的单音节动词是动词范畴的典型成员。语法学界关于汉语词类研究中一个共识是,单音节动词无法发生名物化。在认知语法框架内基于真实语料的考察表明,作为单音节动词典型成员的动作动词可以发生名物化。其名物化的形符频次和类符频次均低于英语中的动作动词,固化程度上也低于英语,因此受到学界忽视。但是,两者之间的差别是程度性的,而非本质差别。汉语动作动词的名物化频次较低的原因在于动量词被广泛作为一种指称事件的策略。英语缺乏动量词,因此依赖名物化作为指称事件的策略。