基于尺度空间中多特征融合的医学影像分类

针对现有医学影像分类方法对临床不同类别影像特征描述效果不一致,且尺度变化敏感的问题,提出一种基于尺度空间提取多特征进行融合的分类方法。首先构建高斯差分尺度空间,然后在尺度空间中分别从灰度、纹理、形状、频域四种互补的角度描述医学影像,最后基于最大似然估计理论构建决策级特征融合模型,实现医学影像分类。严格依照IRMA医学影像类别编码标准选择实验数据,结果表明所提方法相对已有方法分类的平均F1值得到了5%～20%不同程度的提高,更全面描述医学影像信息,避免了特征降维造成的信息损失,有效提高了分类的准确率,具有临床应用价值。

基于PLSA-BOW模型的医学影像分类算法的研究

随着现代医学成像技术的快速发展,医学影像分类已经成为重要的辅助诊疗需求。将文本领域中的词袋模型引入到图像领域,构建视觉词袋模型。为解决多义词和同义词问题,通过把词袋模型与PLSA主题模型结合,提出PLSA-BOA模型来解决传统词袋模型中的语义问题,这使得基于词袋模型的分类方法在精度上得到了进一步提高。实验结果表明,PLSA-BOW模型用于医学影像分类,具有较高的分类精度。

非最小相位工业过程自校正控制教学实验平台

工业过程中的非最小相位被控对象因其具有反向特性而会给控制器设计带来困难,在自动化教学中对非最小相位概念的描述通常偏重于零点位置、零动态等理论概念,因缺乏直观性而使得学生不易理解透彻。结合自适应控制课程教学,基于工业过程中典型的空气加热混合过程,通过合理构造实验条件,构建了具有非最小相位特性的物理被控对象装置,在此基础上,研发了自校正控制教学实验平台,可以开展非最小相位工业对象的辨识、控制和自校正控制的教学实验,有助于加深自动化专业学生对非最小相位概念的理解,从而改善教学效果。

基于Unet+Attention的胸部CT影像支气管分割算法

目前肺气管分割中,由于CT图像灰度分布复杂,分割目标像素近似,易造成过分割;而且肺气管像素较少,难以得到更多目标特征,造成细小肺气管容易被忽略。针对这些难点,本研究提出结合Unet网络和注意力机制的肺气管分割算法,注意力机制使用的是关注通道域和空间域的卷积块注意力模型(CBAM),该模型提高了气管特征权重。在损失函数方面,针对原始数据中正负样本失衡的问题,引入focal loss损失函数,该函数对标准交叉熵损失函数进行了改进,使难分类样本在训练过程中得到更多关注;最后通过八连通域判断将孤立点去除,保留较大的几个连通域,即最后的肺气管部分。选用由合作医院提供的24组CT影像和43组CTA影像,共计26157张切片图像作为数据集,进行分割实验。结果表明,分割准确率能够达到0.86,过分割率和欠分割率均值为0.28和0.39。经过注意力模块和损失函数的消融实验,在改进前的准确率、过分割率和欠分割率分别为0.81、0.30、0.40,可见其分割效果均不如Unet+Attention方法。与其他常用方法在相同条件下进行比较后,在保证过分割率和欠分割率不变的情况下,所提出的算法得到了最高的准确率,较好地解决了细小气管分割不准确的问题。

基于深度学习的PCB缺陷检测技术

印刷电路板(printed circuit board,PCB)是电子产品的关键部件。在实际生产过程中,PCB难免会产生多种缺陷,对缺陷进行及时、精准检测具有一定的研究意义与应用价值。传统的检测方法存在速度慢、成本高、精度低的问题。针对PCB缺陷检测问题,开展基于YOLO系列算法研究,在相同的实验环境下,以平均精度、精确率、召回率、每秒传输帧数作为评价性能指标。实验研究发现,YOLOv7在精度方面比YOLOv5有一定的提升,而YOLOv5在训练和推理的速度上比YOLOv7更快。提出融合CBAM(convolutional block attention module)注意力机制模块的YOLOv5改进算法用于PCB缺陷检测。经实验验证,改进算法在PCB缺陷检测的精确性和速度性能上均得到提升,其中,平均精度、精确度和召回率分别提升了7.40%,3.57%和5.63%。

云计算环境下的大规模图数据处理技术

随着社交网络分析、语义Web分析、生物信息网络分析等新兴应用的快速增长,对亿万个顶点级别大规模图的处理能力的需求愈加迫切,这是当前高性能计算领域的研究和开发热点.文中结合云计算的特点,从图数据管理与图数据处理机制两个方面,综述了云计算环境下进行大规模图数据处理的关键问题,包括图数据的存储方式、图索引结构、图分割策略、图计算模型、消息通信机制、容错管理、可伸缩性、图查询处理等.全面总结了当前的研究现状和进展,详细分析了存在的挑战性问题,并深入探讨了未来的研究方向.

CRF与规则相结合的医学病历实体识别

针对电子病历结构化中命名实体识别困难的问题,提出了一种基于CRF与规则相结合的医学病历实体识别算法。该算法采用CRF进行病历实体的初始识别,然后基于规则进行病历实体识别结果优化,其中规则包括基于决策树生成的规则和临床知识规则。实验证明,该算法对病历实体进行识别时准确率及召回率分别最高达到91.03%和87.26%,满足临床中系统应用需求,同时实验表明该算法具有很好的鲁棒性和稳定性。

基于CT影像的肺组织分割方法综述

CT影像具有空间分辨率高的优点,是肺部疾病影像学诊断的首选方式。肺部病灶的检测和测量、肺功能的定量分析均需要精确的肺组织分割。为解决CT影像由于噪声、伪影、部分容积效应等干扰而导致的肺部各组织之间灰度交叠、边界模糊、难以分离的问题,系统地综述了针对肺部各个分割对象的有效解决方法。从肺实质分割、肺血管分割、肺气道分割、肺叶分割、肺结节分割以及肺部病变组织的分割等方面,详细分析了面临的挑战性问题和当前研究进展,并阐述了肺组织分割方法的发展趋势。

序列磁共振颅脑影像的脑组织自动提取方法

为自动从MR脑影像中提取脑组织,提出一种新颖的脑组织提取算法。该算法在水平集算法的基础上,通过结合形态学方法,可以较为准确地截断脑组织与非脑组织粘连的部分。首先采用C-V模型对输入的影像进行预分割,由于某些脑组织会与视觉神经等部位的灰度相同,而C-V模型是基于区域平均灰度的分割,因此导致分割后无法提取脑组织。为了解决这一问题,采用一种形态学的腐蚀膨胀算法,通过循环腐蚀边界,得到粘连组织分离时刻的影像,再通过膨胀算法,使分离后的影像膨胀到腐蚀前的位置,与水平集算法结果取交集,从而完成脑组织的正确提取。为了提高实用性,采用改进后的水平集算法进行求解,在确保结果正确的基础上极大地提高了分割速度。算法适用于二维及三维的脑组织提取,实验结果表明,该算法具备良好的准确性、通用性与实用性。

融合多种特征点信息的最小生成树医学图像配准

针对医学图像配准鲁棒性强、准确性高和速度快的要求,提出了一种基于融合多种特征点信息的最小生成树医学图像配准算法.该算法首先提取3种特征点,Harris-Laplace,Laplacian of Gaussian和网格点;然后使用遗传算法去除特征点集的冗余,并通过对位映射构建无向完全图顶点集合;进而使用改进的Kruskal算法来构造最小生成树;最后使用得到的最小生成树估计Rényi熵.该算法较好地解决了在噪声数据中使用最小生成树估计Rényi熵面临的特征点不稳定导致鲁棒性低和构造最小生成树遇到的速度瓶颈.实验结果表明:在图像含有噪声、灰度不均匀以及初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度.

基于CT影像的肺组织分割及其功能定量分析

高精度的肺组织分割是肺功能定量分析的前提和基础,有利于慢性阻塞性肺病的辅助诊断.传统的肺组织分割方法没有去除肺轮廓内部的细支气管,且无法处理严重粘连的肺气肿病例.本文提出一种全自动的三维肺组织分割方法:首先采用带有错误检测机制的二维图像阈值选取和三维区域增长进行粗分割,得到肺气道和肺实质组成的肺部充气区域;然后结合阈值和气管形态分析分割肺气道树,在防止泄露的同时提取更多肺内细支气管;最后通过扫描线粘连定位和动态规划,实现前、后联合粘连的定位及左右肺分离.实验中分别采用20组EXACT09数据和20组VESSEL12数据对所提出的方法进行评价,结果显示提取的气道树平均分支数为131个,与医生标记的金标准比较分支检出率为54.09%;肺实质分割结果与数据集提供肺轮廓M ark比较,Jaccard系数为95.35%,平均绝对边界距离为0.89mm.结果表明,本文方法能够有效的提取肺组织,运行时间与传统方法相比在临床实际应用中具有一定优势.

基于灰度共生矩阵和梯度相位互信息的医学图像检索

结合灰度共生矩阵特征和梯度相位互信息,提出了一种面向临床实际应用的两步匹配医学图像检索算法.该算法在提供良好分类性能的灰度共生矩阵特征的基础上,通过精化检索进一步提高了检索精度,以及检索算法的整体鲁棒性.使用该算法对包含有6种不同解剖部位的CT图像库进行检索实验.实验结果表明该算法在达到良好的检索准确性的同时,具有接近实时的查询响应速度.对该算法进行适当扩展,能容易地推广到实际医学检索应用中.

基于QR分解的类Jacobi联合对角化算法

为提高实矩阵集的近似联合对角化的盲源分离性能,避免平凡解,提出了一种基于QR分解的类Jacobi联合对角化算法.利用QR分解的数值稳定性,采用Jacobi旋转矩阵,将分离矩阵分解为多个初等三角矩阵和正交矩阵的乘积,利用Jacobi旋转矩阵的结构及矩阵变换后的相关元素求解最优参数,将高维矩阵最小化问题转化为一系列低维矩阵子问题,提升源信号恢复精度.通过求解简化的Frobenius范数目标函数降低算法复杂度.混合心电信号仿真结果表明,与QRJ2D,LUCJD,EGJLUD算法相比,本文算法在分离精度和收敛速度方面均有一定优势.

自适应脑组织影像分割

提出一种支持二维及三维MR脑影像的脑组织分割方法。首先采用改进的C-V模型去除脑脊液对灰质分割准确性的干扰。其次通过采用结合C-V模型的带标记区域增长算法,去除脑壳并提取脑室。最后结合覆盖背景的方法提取灰质及白质,从而实现了脑组织的自动分割。对该算法进行了仿真与实验验证,结果表明,该算法具备良好的准确性、通用性与实用性。

基于Rényi熵的互补尺度空间关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。

融合梯度信息的最小生成树医学图像配准

针对传统的均匀子采样的最小生成树配准方法对采样率敏感,导致配准鲁棒性降低的问题,提出了一种融合梯度信息的最小生成树医学图像配准算法.该算法首先提取均匀子采样点集,并在此基础上构造最小生成树;然后使用最小生成树来估计Rényi熵;最后将图像间的边缘梯度信息融入到配准框架中.通过在公共数据集RREP上,与传统的基于均匀子采样的最小生成树配准算法和基于归一化互信息配准算法相比,提出的算法在达到良好配准精度的同时,具有更平滑的配准函数和较强的鲁棒性.

一种面向医学短文本的自适应聚类方法

针对电子病历中疾病诊断文本同义词识别和命名标准化问题,提出了一种自适应的文本聚类方法.首先提出了一种新的基于集合的文本相似性度量算法;然后采用基于相似度分布的文本聚类算法实现同义文本识别,该算法能够自动确定类簇个数;最后采用基于序列模式的中心概念提取算法实现了疾病命名的标准化,同时对聚类簇进行合并和优化,进一步提升了聚类的准确性.测试结果表明,所述方法具有较高的准确率和聚类效率,在病历文本的预处理、分类和分析中具有广泛意义.

基于可扩展标记语言技术构建中国人大脑MR影像库

医学影像数据库及信息系统是医学影像数据有效检索与分析的重要手段,是医学临床、教育与研究的基础。本文提出一种基于可扩展标记语言(XML)的医学影像数据库及信息系统的构建方法,实现中国正常人脑MR影像库及信息系统,该系统支持医学影像数据的有效组织、存储、检索和挖掘。临床实际应用证明该系统具有可扩展性强、结构稳定、功能独立、存取效率高等特点,满足人脑MR影像数据存储、检索和处理分析的需求,具有良好的应用价值。

融合双注意力机制的多尺度胰腺分割方法

为解决CT图像中胰腺边界不规则导致分割精度不高的问题,提出一种融合双注意机制的多尺度U型网络模型。该模型由一个编码器及两个解码器组成,提高特征利用。针对模型中连续下采样导致特征空间信息损失的问题,提出一种金字塔注意力特征融合模块,引入通道和空间两个独立注意力机制,提供多尺度输入信息并行采样,提高边界提取性能,提升分割精度。实验结果表明,该方法在ISICDM 2018数据集上的平均Dice系数为85.35%,具有效性。

CTA影像头部骨骼组织提取算法

计算机断层血管造影(CTA)影像单纯根据灰度信息无法良好地分离血管组织和骨骼组织.结合CTA影像的灰度特点,提出基于改进的三维区域生长算法的骨骼组织外轮廓提取和基于改进的Snake模型的骨骼提取算法.首先结合概率论的相关知识改进区域生长判定条件的准确性,提出三维区域生长的快速的骨骼区域种子点提取方法,使得它可以获得比较准确的骨骼组织区域.之后选取Snake模型并对其进行改进,增加了影像能量信息项,使得该模型可以更好地解决当前的问题.最后给出了实验结果并和传统算法进行对比,证实所提出的骨骼组织分割提取算法效果良好.