大脑fMRI数据时/空模式综合分析的一种新方法

提出了一种新的fMRI数据处理方法, 可获得大脑激活区的时空综合信息. 该方法首先利用多窗口谱估计得到脑图像各体元的谱成分, 并在任务相关频率处对体元谱成分作显著性检验, 分离出任务相关脑区; 然后利用时间独立成分分析方法提取脑区任务响应的时间模式, 从而得到任务相关脑区的时-空综合信息. 这一方法的优点是: 无需对血液动力学和任务相关脑区的空间分布做出先验性假设, 具有好的鲁棒性和信息挖掘能力; 解决了单纯的时间独立成分分析在低信噪比下发散、结果不可信、鲁棒性差的问题.     

基于变形模型的肝CT序列图像分割

研究了一种基于变形模型的肝轮廓提取方法。该方法以人的经验知识作为先验信息，利用灰度特征、肝CT序列图像特点、肝区轮廓的整体几何信息作为区域聚合依据进行肝区图像分割。实验表明该方法能够较好地克服噪声和轮廓初始位置的影响，对肝CT序列图像的分割效果较好。     

无人驾驶车辆基于语义分割方法障碍物检测

障碍物检测是无人驾驶车辆环境感知重要的组成部分,语义分割技术能够对障碍物进行像素级检测。为满足无人车系统的实时性要求和对障碍物检测精度要求,提出了一种轻量级语义分割模型。该模型构建了特征提取块,通过跳跃层结构将底层级特征与高层级特征相融合,用于提取更加细化的图像特征信息。运用深度可分离卷积代替标准卷积操作,减少了模型参数量和计算量。利用不同膨胀率的膨胀卷积以获取多尺度目标信息,在上采样时融合不同尺度的特征信息,使得语义信息更加丰富。试验结果表明:提出的轻量级语义分割模型在Cityscapes数据集和ApolloScape数据集上取得了较好的障碍物检测结果,同时也满足无人车的实时性要求。