简介:摘要:研究工作的主要内容包括:1)通过自适应融合各层特征图,解决了特征融合中图像空间信息冲突和特征金字塔中的不一致性问题;2)使用高效倒置瓶颈块降低模型复杂性,同时提升模型的有效性,解决EfficientDet模型的骨干特征提取网络参数效率低的问题,减少网络运行时间;3)使用多尺度块提升有效感受野,对病灶区域特征进一步关注,解决部分体积偏小的肝脏肿瘤病灶难以检测问题;4)使用先验框聚类和数据增强方法,从模型和数据两方面加强模型对肝脏肿瘤数据集的检测能力和泛化能力,解决肝脏肿瘤的形状大小不一及位置各异的问题。本文主要分析多尺度自适应融合的肝脏肿瘤检测。
简介:摘要目的研究和搭建人工智能深度学习网络,在两个公开的大脑MRI图像数据集上实现高准确率的MRI脑肿瘤的四分类。材料与方法提出一种多尺度残差网络的MRI脑肿瘤分类模型,实现脑肿瘤的四分类任务。模型包括多尺度输入、改进残差、下采样和双通道池化共四个模块。将Kaggle中正常人和Figshare中肿瘤患者的脑部MRI图像进行数据集组合,对提出的模型进行训练和性能评估,优化网络超参数,提高分类准确率。结果在352张MRI图像上测试模型,仅使用多尺度输入模块时,得到平均分类准确率为96.59%。添加下采样模块后,准确率达到98.58%。对比最大池化、均值池化和双通道池化,准确率分别为96.02%、97.16%、98.58%。多尺度残差网络对脑肿瘤具有很好的分类效果,对胶质瘤、脑膜瘤、垂体瘤和正常无肿瘤图像的分类准确率分别为99.14%、99.14%、99.42%和99.42%。结论MRI是一种典型的检查脑肿瘤的医学成像方法,但放射科专家手工对脑肿瘤进行准确分类极具主观性和不确定性。提出的多尺度残差网络能为脑肿瘤自动分类提供有效的方法,且该网络提高了MRI脑肿瘤分类的准确率,很好地解决了梯度消失问题,提升了模型的泛化能力。
简介:遥感图像机场跑道边缘的提取是机场识别的主要方法。传统Hough变换在线段提取方面具有较高抗噪性,但用于遥感图像机场跑道提取时存在边缘定位性较差及弯曲跑道误检率高的问题。本文提出了图像空间多尺度Hough变换方法,提高了Hough变换在提取、检测线段时的定位能力;将传统Hough变换的对参数空间改进为相对参数空间,增强了Hough变换检测小线段的性能,并利用分段线段的连接,达到机场跑道边缘中直线段与曲线线段检测的目的。试验结果表明该方法在保持Hough变换高抗噪性的同时,可有效地检测复杂背景下遥感图像中的机场跑道边缘,并保证了边缘的连接性。
简介:目的:针对脑肿瘤形状、位置及大小等多变性,提出一种适合磁共振成像(MRI)脑肿瘤分割的卷积神经网络模型的改进方法。方法:将卷积神经网络应用到脑肿瘤分割上,并针对脑肿瘤的特点,提出多尺度卷积神经网络模型(MSCNN),通过多尺度的输入与多尺度下的采样,克服脑肿瘤的个体差异,同时适应脑肿瘤不同图像层之间的大小位置差异,弱化肿瘤边缘与正常组织灰度相近的影响。结果:通过对30例患者的多模态磁共振图像进行分割,得到平均Dice系数为83.11%;平均灵敏度系数为89.48%;平均阳性预测值(PPV)系数为78.91%。结论:MRI脑肿瘤分割的改进方法可使分割精度得到明显提高,多尺度卷积神经网络能自适应脑肿瘤的差异性,并准确有效地分割脑肿瘤。
简介:摘要目的探讨基于独立成分分析(independent component analysis,ICA)法的大尺度脑网络研究对首发未治疗成人重性抑郁障碍(major depressive disorder,MDD)患者静息态脑网络(resting state networks,RSNs)内及网络间功能连接变化的价值。方法2019年1月至2021年6月选取MDD患者23例(MDD组)及性别、年龄及受教育年限相匹配的健康志愿者(healthy control,HC)30例(HC组),两组均进行静息态脑功能成像(resting state functional magnetic resonance imaging,rs-fMRI)检查,MDD组进行17项汉密尔顿抑郁量表(17-item Hamilton depression scale,HAMD-17)评估。采用ICA法对rs-fMRI数据进行分析,获得有意义的RSNs。采用SPM-12、Gift软件比较MDD组与HC组RSNs内及网络间内在功能连接强度的差异,采用IBM SPSS statistic 25.0进行Pearson相关分析评价MDD组RSNs内及网络间功能连接强度与HAMD-17评分的相关性。结果与HC组相比,MDD组内侧前额叶皮质(medial prefrontal cortex,mPFC)(MNI:x,y,z=-6,54,25)内在功能连接强度显著增强;左侧角回(angular gyrus,AG)(MNI:x,y,z=-48,-66,21)、左侧楔前叶(precuneus,PCu)(MNI:x,y,z=-6,-63,33)、左侧背外侧前额叶皮质(dorsolateral prefrontal cortex,dlPFC)(MNI:x,y,z=-36,12,51)及右侧前脑岛(anterior insula,AI)(MNI:x,y,z=36,21,0)内在功能连接强度均显著减弱;MDD组后默认网络(posterior default mode network,pDMN)与前默认网络(anterior default mode network,aDMN)间功能连接强度较HC组显著减弱(t=-2.206,P=0.032),pDMN与左额顶网络(left frontal parietal network,lFPN)间功能连接强度较HC组显著增强(t=2.318,P=0.025)。MDD组mPFC内在功能连接强度、pDMN-lFPN间功能连接强度与HAMD-17评分均呈正相关(r=0.524,P=0.010;r=0.441,P=0.035)。结论基于ICA法的大尺度脑网络研究能够发现首发未治疗成人MDD患者RSNs内及网络间功能连接异常,有望为临床MDD的诊治提供客观的影像学标记。
简介:审美教育是一种陶冶情操的教育,而语文学科又是最富有情感的学科,是审美教育的重要阵地。语文课本收录了众多的文学作品,这是审美教育的得天独厚的材料。语文教师必须充分利用本学科的特点对学生进行审美教育。