采用级联策略融合边界特征的多尺度息肉分割网络

结直肠息肉分割能有效辅助医生筛查大肠腺瘤,但息肉分割存在噪声较多、边界区分度不够等问题。针对以上问题,本文设计了一种采用级联策略融合边界特征的多尺度息肉分割网络。首先,本文提出了一种改进的通道分组空间增强模块,以增强骨干网络提取的图像特征,从而提高通道和空间位置的相关性。其次,考虑到边界区分度不够,设计了一个级联特征融合网络,以更好地保留边界信息并提高边界区分度,从而提高分割精度。最后,引入了一种双分支混合上采样模块来获取更多的特征细节信息,以实现特征的互补以及捕获更完整有效的特征。在CVC-ClinicDB和Kvasir数据集上进行测试,本文算法的平均Dice系数分别为0.944,0.920,平均交并比分别为0.900,0.869;而M2SNet算法的平均Dice系数分别为0.922,0.912,平均交并比分别为0.880,0.861。在ETIS-LaribPolypDB,CVC-300和CVC-ColonDB数据集上进行测试,本文算法的平均Dice系数分别为0.776,0.915,0.782;而M2SNet算法的平均Dice系数分别为0.749,0.903,0.758。实验结果表明本文算法的分割精度较高,泛化能力较强。

基于改进YOLOv7-tiny的高效轻量遥感图像目标检测方法

针对现有遥感图像目标检测方法在受资源限制的小型设备中检测精度不足问题,提出了一种基于改进YOLOv7-tiny算法的高效轻量遥感图像目标检测方法。首先,针对遥感图像小目标分布密集问题,设计了一种低跨度的上下文解耦检测头模块,通过融合深层和浅层特征分别实现目标检测的分类和回归任务,有效解决了遥感图像小目标漏检和误检的问题。同时,针对遥感图像目标多尺度问题,设计了一种并行级联注意力机制,通过并行三分支网络与空间注意力模块相结合,增强了网络对多尺度目标特征的提取能力。此外,引入Focal-EIoU损失函数,提高模型泛化能力。对模型进行了对比实验、消融实验、部署实验和泛化实验,结果表明,在DIOR-5s和NWPU VHR-10数据集上的检测精度分别达到了85.4%、90.6%,相较原模型分别提高了2.6%、1.7%。且模型大小仅为19.1 MB,检测速度为64.1 fps,验证了算法的有效性。

窗口自适应的大形变肺图像配准网络设计

提出一种结合关键点周围的强度特征和局部关键点几何结构特征的肺计算机断层扫描(CT)图像配准方法。该方法首先利用窗口自适应模块计算强度特征相关系数以提高模型训练效率,接着利用多尺度残差卷积网络来提取更多尺度的特征细节信息和缓解由于网络层数增加导致的梯度消失问题,最后利用密集连接的图卷积提取局部关键点间的几何结构特征和强度特征相结合的信息,通过强度特征和局部点间的几何结构特征信息来共同表征配准图像对点间的对应关系,以提高肺图像配准的鲁棒性。在DIR-lab、COPDgene和Creatis数据集上对算法进行验证,得到本文算法的目标配准误差分别为1.21 mm、1.53 mm和1.00 mm,相较于Graphregnet算法,本文算法的目标配准误差在DIR-lab、COPDgene和Creatis数据集上分别减小了18.8%、13.1%和6.5%,且配准时间仅为0.57 s。实验结果表明,本文算法能有效地提升配准精度,且具有较好的实时性和鲁棒性。