增强语义分割的网络模型PS-UNet

文章提出了一种提升上下文依赖关系的增强语义分割网络模型PS-UNet实现医学图像分割. PS-UNet将残差块、PCA模块和SPP模块融合到U-Net网络模型中，可获取更多的特征信息，从而提升分割效果.该模型既可以对器官轮廓粗分割又可以对视网膜血管和细胞精细分割.在公开的数据集上分别对肺部、视网膜血管和细胞分割进行了测试.实验结果表明，与当前先进网络模型相比，PS-UNet在所有实验中，性能均有所提升，其中肺部分割中准确率和灵敏度相对于U-Net网络模型分别提高了2.03%和2.24%,Dice相似系数达到了97.16%.     

流域算法对血及骨髓涂片的彩色图像分割

为了开发血及骨髓涂片中血细胞自动分类及计算机辅助诊断系统,提出 了一个彩色流域算法,以完成对有核血细胞（胞核和胞浆）的分割和识别。通过彩色空间变换,有效地利用了图像中血细胞的颜色信息及先验知识,并且为了抑制过度分割,合理地对背景、成熟红细胞及有核细胞进行了标记,在彩色梯度图像上完成了基于淹没的流域算法,其中淹没过程通过多级循环队列数据结构完成,胞核和胞浆的分割正确率分别为91.9%和88.4%,研究结果表明,该算法对彩色血细胞图像的分割是有效的,它必将提高血细胞自动分类系统的性能。     

基于多维度特征提取网络的肝脏图像分割

随着计算机技术的发展,基于深度学习的医学图像自动分割已经成为人工智能辅助医疗的重要研究方向.为弥补现有神经网络结构对信息提取不足而产生的边缘细节丢失问题,构建了一种基于多维度特征提取网络(RDD-UNet)模型,该模型是基于残差UNet和混合损失函数的三维分割网络,以向肝脏肿瘤分割方法提供高精度的脏器分割结果.首先,该网络从原始CT数据的3个轴向提取信息,以长短跳跃连接的组合形式融合多尺度语义特征,保证了层内和层间信息的充分利用.其次,网络中设计了不平衡深度可分离空洞卷积模块,在提升三维网络计算效率的同时,扩大了体素级别的特征感受范围.最后,针对小尺寸分割目标数据不平衡问题提出了混合损失函数,并与深度监督结构相结合,提升了边缘细节的分割效果.该网络模型从体素、轴向和网络层级3个维度上充分提取特征信息,提高了肝脏分割的准确率,在公共数据集LiTS 2017上的Dice分数达到0.965 2,与其他方法相比达到了较高的精度水平.     

基于微型计算机和神经网络的果蔬识别

在微型计算机上使用深度卷积神经网络实现果蔬自动识别的复杂图像识别任务,并构造了具有人工智能技术的电子秤系统.采用深度可分离卷积和反向残差网络设计构成的深度神经卷积网络,极大减少了模型的运算量并保持了较高的识别精度,适合硬件资源有限的微型计算机.神经网络经过训练、调参、剪枝优化后,图像识别准确率达到91.9%,推理延时小于1.5 s.这种人工智能系统可以代替人工操作让顾客进行自主购物,适合在无人超市或者避免聚集接触的环境下使用.     

基于可能性聚类和卷积神经网络的道路交通标识识别算法

为解决图像采集中噪声和复杂背景对图片的影响以及深度神经网络的高耗时问题,基于可能性聚类算法与卷积神经网络,提出一种道路交通标识识别算法.该方法运用了图像分割技术,并结合卷积神经网络模型对道路交通标识进行更准确的识别.首先,通过色彩增强、图像分割、特征提取、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合Squeeze-and-Excitation思想和残差网络结构,充分训练出MRESE(My Residual-Squeeze and Excitation)卷积神经网络模型;最后,将优化的网络模型用于道路交通标志的识别.实验结果表明,该方法使训练时间缩短了5%左右,识别精度可达99.02%.     

40例MDS细胞形态观察

为观察MDS骨髓有核细胞病态改变，用瑞氏--姬姆萨混合染色法进行骨髓细胞学分析．结果：粒、红、巨核三系均有不同程度的病态造血表现．粒系主要以细胞内外浆、空泡、核肿胀、核浆发育不平衡为主．红系主要以双核、碳核、花瓣核、多核为主．巨核系主要以多圆核，小巨核、单圆核为主．提示：MOS至少有二系以上的病态改变．     

基于深度学习的三维乳腺超声影像自适应分割

针对传统乳腺超声影像分割算法存在准确率低、精度低且耗时长等问题,提出基于深度学习的三维乳腺超声影像自适应分割算法。首先预处理图像,采用深度多示例学习方法检测病变图像块,删除正常图像块。然后对乳腺超声影像数据集扩增处理,用于神经网络训练。其次构建残差卷积神经网络模型,设计残差学习单元,结合扩增数据集形成特征映射,采用softmax函数训练网络并进行特征块判断,并结合阈值设置实现三维乳腺超声影像自适应分割。实验结果表明,该算法能更细致地完成图像分割,算法平均运行耗时为52.3 s,图像分割精度为95.5%,且F1分数值高,整体性能佳,为卷积神经网络分割应用提供参考。     

基于改进残差网络的癫痫脑电自动识别算法

为了提高癫痫脑电图(EEG)的识别精度，提出一种基于改进残差网络的癫痫脑电自动识别算法。首先对EEG信号进行归一化，然后利用改进的残差模块构建一维深度残差网络，将其用于自主学习EEG的内在特征，最后利用Softmax分类器实现癫痫的自动识别。为了评估模型的性能，采用十折交叉验证对波恩大学的癫痫数据集进行实验。实验结果表明，该算法能够有效识别癫痫EEG类别，具有较高的识别准确率。     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

骨髓增生异常综合征用小剂量Ara-c治疗的效果(附2例报告)(摘要)

本文报告用小剂量 Ara-c 治疗2例不同类型的骨髓增生异常综合征(MDS),分别为原始细胞过多的难治性贫血(RAEB)及难治性贫血伴环形铁粒幼细胞(RAS),均收到较好的疗效。于1974年首先由 Cotem 提出,采用小剂量 Ara-c 治疗 MDS 的机制是促进幼稚细胞分化成熟。本文报告病例中,1例为 RAEB,骨髓中粒、红均有巨幼样变,原始细胞偏高,外周血出现晚幼红。另1例 RAS,骨髓中红系增生及巨幼样变,环形铁粒幼细胞达88%,外周血可见晚幼红。临床上用各种抗贫血药无效,而采用小剂量 Ara-c 治疗,剂量为10mg～15mg/M~2,     

基于双流卷积网络的宫颈细胞细粒度分类

为了实现对宫颈细胞图像相近类别的准确自动分类,提出了一种双流卷积神经网络算法。算法以DenseNet121网络和Xception网络为基础并对其进行改进,以提高算法对宫颈细胞进行细粒度分类的识别准确率。首先,在DenseNet121中引入DropBlock模块进行网络正则化,用于提高模型的泛化能力;其次,在Xception中加入SE(Squeeze-and-Excitation)模块调整通道权重,以增强网络提取有效特征的能力;最后,将两个网络输出的特征图进行拼接构建双流网络,来获取宫颈细胞更全面的特征信息。实验结果表明,该网络在Herlev数据集以及SIPaKMeD数据集上各性能指标都表现良好,且都达到了99%的准确率,优于改进融合前的网络,提出的算法在宫颈细胞的细粒度分类中具有较高识别率。     

彩色骨髓相的快速分割

为了利用计算机进行髓相分析,对在彩色空间中复杂背景下的目标分割问题作了研究。提出了在处理后的色度和饱和度分量的融合图像上,根据改进的最大熵二值化算法在两个层面上对细胞核进行多级分割,解决复杂背景下细胞核及粘连细胞核的分割问题。再由细胞核外周对空间作搜索,根据统计方法确定的点集性质一次性地对细胞胞浆做分割,最后分析细胞的几何特征,对分割进行调整。实验结果表明:整个算法适应性强,对不同性质的骨髓图像均有较好的分割效果,且与其他血细胞分割方法相比计算量小,比较快捷,约86%的细胞得到了正确分割。     

骨髓间充质干细胞向肝样细胞分化的研究进展

摘要: 由各种因素导致的重症肝病的终末治疗的最好手段一直是原位肝移植,但长期以来肝供体的缺乏和免疫排斥引起的一系列问题极大地限制了该手术的运用,同时,在肝脏相关药物的筛选中,原代肝细胞难于培养且易在培养过程中变异,而随着骨髓间充质干细胞研究的深入,越来越多的证据表明骨髓间充质干细胞具有向肝细胞分化的潜能。因此,骨髓间充质干细胞诱导分化而成的肝样细胞在再生医疗和药物筛选领域具有较好的运用前景,本文就间充质干细胞的分离培养及其生物学特性,肝样细胞的诱导培养条件,生物学特性及其运用前景加以综述。     

白细胞的自动识别和分类

白细胞的分类目前已成为医院的常规检查项目之一,检查结果对于临床诊断有着十分重要的意义.然而,显微镜下的这项工作是十分耗时的,且不同的检验人员有着不同的分类误差.为此,本文初步探讨了用图象处理和模式识别的方法对白细胞进行自动识别和分类,希望能以计算机来帮助人的眼脑系统,从而减轻检验人员的工作强度,提高分类的效率和一致性. 本文运用了图象处理手段,用求熵阈值法对细胞图象进行分割,提取细胞及细胞核;用全向跟踪法提取细胞轮廓和核轮廓,同时,提出了一种快速的区域生长算法对轮廓内区域作填充.本文对每幅细胞图象提取了一个五维的特征向量,采用多两类分类和留一法,对有限的样本作训练,以设计Bayes分类器,对白细胞逐层分类,并对分类效果作出检验. 本文通过以上方法的应用,白细胞的分类取得了比较好的结果.     

基于支持向量机的红细胞彩色图像分割算法

针对细胞图像分割中红细胞目标提取和重叠红细胞分割两个难点,提出一种基于支持向量机(SVM)的红细胞彩色图像分割算法,并通过实验对算法进行验证.该算法利用SVM对原始图像进行红细胞提取,把原始细胞分割成红细胞和背景两类目标区域,然后使用改进距离标记的分水岭算法对红细胞区域进行重叠分割.算法选择线性不可分的SVM模型和核函数RBF(C=1,ξi=0.2)时能够较好的分割红细胞彩色图像.     

人胎儿骨髓间充质干细胞的分离及生物学鉴定

通过原代细胞培养,从引产胎儿骨髓组织中分离干细胞,然后进行生物学鉴定,旨在体外建立培养胎儿骨髓干细胞的有效方法,为进一步研究干细胞奠定基础．本研究对四个月的引产胎儿骨髓组织进行原代细胞培养,采用贴壁筛选法,在含有15％胎牛血清的L-DMEM／IMDM(1:1)混和培养液中培养,7 d后细胞可长满瓶底．显微镜下观察,细胞形态均一,呈长梭形．传代后,在8代以内的细胞贴壁能力较强,生长速度较快．将其命名为BMMS-03．在第3代时,对培养的细胞进行了于细胞标志物的生物学鉴定,采用流式细胞仪对经免疫荧光染色的细胞进行检测．结果显示:97．2％的细胞呈CD105阳性反应,66．0％的细胞呈CD106阳性反应, 9．2％的细胞呈CD34阳性反应．阴性对照组阳性反应为0．5％．生物学鉴定的初步结果提示,从胎儿骨髓组织中分离培养成功的细胞为骨髓间充质干细胞,其细胞形态学特征、CD105 、CD106 和CD34-的检测结果均符合间充质干细胞的特征．本研究成功地建立了体外培养胎儿骨髓间充质干细胞的有效方法,所获得的间充质干细胞纯度较高,增殖较快,适用于干细胞生物学和组织工程学的研究．     

基于Softmax回归模型的骨龄X射线图像手骨分割

针对儿童青少年的骨骼发育情况,临床上常采用手腕骨X射线图像进行骨龄评估。其中手骨区域的分割是预处理中的关键一步,手骨分割的准确率极大地影响最后的评估结果。传统的阈值分割方法在自动化分割过程中鲁棒性较差,利用深度神经网络的自动分割准确率比传统方法高但较为复杂。研究在阈值分割的基础上,提出先通过训练Softmax回归模型预测最佳阈值得到二值图像,再利用区域生长法提取完整手形,最后对手骨图像进行归一化处理的分割方法。在100张临床数据测试集上,将提出的方法与传统的阈值分割方法——Otsu、最大熵阈值和直方图均值分割方法进行对比,采用相似系数DSC（dice similarity coefficient）、欠分割率和过分割率3个客观评价指标对分割结果进行定量分析。实验证明该方法的分割效果最理想,平均DSC值为0.97,欠分割率和过分割率接近于0,对于复杂的手骨图像也表现出良好的分割性能,相比传统的阈值分割方法具有更好的鲁棒性,能够准确的对骨龄X射线图像进行自动化手骨分割处理。     

Accumulation of a heat shock-like protein during differentiation of human erythroid cell line K562

The human erythroid cell line K562 provides a model system for studying erythroid differentiation and eukaryotic gene regulation. These cells express glycophorin A, spectrin and i antigen. They accumulate embryonic and fetal haemoglobins on induction of erythroid differentiation with haemin, sodium butyrate or hydroxyurea. In the present study, the protein composition of K562 cells during haemin-mediated induction of erythroid maturation was analysed by two-dimensional gel electrophoresis. Under conditions in which haemin did not effect cell viability and proliferation, a protein of approximately 70,000 molecular weight (MW) accumulated in the differentiated K562 cells. The accumulation appears to be due to an increase in the rate of RNA synthesis for this protein. The protein is related in sequence to a 70,000-MW heat shock protein. An antigenically related protein was also demonstrated in human bone marrow and accumulates at particular stages of human erythroid maturation.     

一种新的基于U-Net和ResNet的病理图像细胞核分割方法

医学图像分割是图像处理的重要环节,而细胞核分割结果是病理学家进行癌症分类和评级的重要依据,提高其分割的准确率一直是研究的热点。但由于同器官的不同细胞核存在形态可能不一样、细胞之间相互重叠、细胞边界不清楚等现象,导致细胞核图像难以准确分割。为提高相互接触和重叠细胞核分割的准确性和精确率,本研究提出一种新型的细胞核分割网络模型。该模型首先是对原始细胞图进行ZCA白化预处理,并基于经典的U-Net网络结构,通过U-Net和ResNet残差模块进行训练,使用Batch Normalization方法实现数据归一化处理,解决训练过程中梯度震荡问题。在MoNuSeg和ISBI2018Cell两个数据集上的实验结果表明,本研究所提出的模型的分割准确率较高,分割出的细胞没有出现细胞核大面积粘连的现象,细胞核轮廓更加清晰。本研究所提的分割网络基于经典的U-Net网络结构,通过构造ResNet残差模块实现对细胞核上下文特征的提取,同时在残差模块使用Batch Normalization使得梯度的传输更加便捷,减少了训练时间,而且在分割相互接触的细胞核时,具有精确定位和准确分割的能力,是一种有效的细胞核分割方法。