基于DenseASPP模型的超声图像分割

利用超声图像获取胎儿的各项生物指标,对诊断胎儿发育过程中的异常有重要作用.当前主要依靠医生对超声图像的手动测量来确定这些指标.然而,医师手动测量不仅具有主观性,而且在重复作业下效率低下.针对以上问题,提出一种基于DenseASPP模型的超声图像分割改进算法,以辅助医生完成对胎儿各项生物指标的测量.在DenseASPP模型中,首先利用普通卷积预先提取原始图像的特征得到预特征图,再以扩张卷积及金字塔池化结构为基础将前层所有扩张卷积的输出特征图与预特征图拼接在一起传输到下一层扩张卷积以获得更大感受野的多尺度特征图,最终将所有特征合并后通过Attention机制获得相关联的特征,再利用sigmoid函数获取分割结果.分别使用胎儿的头臀径,头围,腹围三个部位的超声图像作为数据集对本文提出的DenseASPP方法进行了评估.实验结果表明,DenseASPP方法优于其他当前常见的分割方法,取得了更好的性能.     

胎儿超声成像中骨骼分割设计与实现

伴随医学影像已成为医学技术中研究的热点,为了有效获取胎儿超声影像中的骨骼信息,由于受技术和成像机制的限制,胎儿超声成像的质量相对低,首先分析实际胎儿超声成像的特点,采用PM算法对图像进行预处理,再使用模糊C均值聚类方法从图像中提取出骨骼信息,通过仿真实验对设计过程进行验证,并结合临床实践的需求进一步的给出相应客观量化数据的意义,并获得良好的实验效果和实践意义。     

超声诊断在产前胎儿畸形筛查中的价值

目的探讨产前筛查与产前诊断对不同类型胎儿畸形的临床价值。方法对3626例14~36周的孕妇应用超声进行系统检查并与分娩或引产结果进行对照。结果在3626例孕妇中超声诊断胎儿畸形23例。诊断符合率100%。超声检查漏诊4例,漏诊主要表现为较小畸形。结论超声检查能够确定胎儿形态、结构的明显畸形,可作为常规产前筛查胎儿畸形的首选方法。     

产前超声诊断胎儿畸形漏诊原因分析

目的对中晚孕胎儿产前超声检查结果进行分析,寻找容易产生漏诊的原因,以期提高胎儿畸形的超声诊断率。方法对6 854例胎儿超声检查结果进行回顾性研究,分类总结。结果在所选6 854个病例中,超声诊断畸形胎儿的有202例,漏诊13例,漏诊率6.4%。结论提高检查者专业技术水平,把握好检查时机和检查次数,多切面、多角度仔细观察,尽量减少母体及胎儿体位对图像的影响,才能最大程度上降低漏诊率。     

1715例蒙汉胎儿产前超声检查结果分析

对内蒙古医科大学附属医院2011年9月至2012年5月的1715例孕17-34周胎儿进行规范化产前超声检查结果分析研究,得知在1715例胎儿中,超声检查诊断胎儿畸形65例(3.79%),其中蒙族10例(0.58%),汉族54例(3.15%),其他少数民族1例(0.06%).超声软指标阳性检出96例(5.6%),蒙族16例(0.93%),汉族76例(4.43%),其他少数民族4例(0.23%).现有数据显示蒙古族胎儿畸形检出率以及软指标阳性率均较汉族胎儿低,但无统计学差异.中枢神经系统畸形、骨骼系统畸形、胃肠道系统畸形分列胎儿结构畸形前三位.心室内斑点样强回声和肾盂轻度扩张是最常见的软指标阳性,在产前诊断中需加强咨询和随访.     

基于DRA-UNet模型的超声图像分割方法

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征,以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题,提出基于膨胀率注意力机制的UNet(DRA-UNet)模型,并发展了基于此模型的超声图像分割方法．在UNet模型的基础上,引入膨胀率注意门和多尺度卷积(ConvMulti)模块．膨胀率注意门模块利用空洞卷积能得到更大的感受野,将编码器语义位置的局部区域像素联合到上采样区域,可以实现更加高效的跳跃连接．ConvMulti模块用来获取更加详细的高层特征信息,使编码器功能更强大．实验结果表明：本模型可以有效抑制图像噪声,大幅提高特征的表达能力,具有很强的鲁棒性,相比六种经典分割方法,所提出方法在交并比、F1分数和精度指标下分别达到72.25%,83.89%和97.47%.     

二维超声诊断胎儿唇裂

胎儿唇裂是面部常见的先天畸形。由于超声检查能观察胎儿唇部结构，是筛选诊断的必要方法。为探讨超声检查对诊断胎儿唇裂的意义，我院自2000年1月至2004年，对5600例孕妇作了产前超声检查。现报告如下。     

胎儿四肢骨骼系统发育畸形的产前超声诊断

目的:探讨产前超声诊断胎儿四肢骨骼系统发育畸形的临床价值。方法:回顾性分析32例胎儿四肢骨骼系统发育畸形的超声声像图特点,与产后或引产后X线检查或尸检结果对照。结果:产前超声诊断32例胎儿四肢骨骼系统发育畸形与产后及引产后X线检查或尸检结果完全相符,其中致死性侏儒畸形6例,四肢短小畸形4例,肢体屈曲畸形2例,双侧上肢尺桡骨缺如畸形1例,一侧上肢桡骨缺如畸形1例,上肢缺如畸形2例,下肢缺如畸形3例,手足多指(趾)畸形2例,足缺(趾)畸形1例,马蹄内翻足畸形9例,人体鱼序列征1例。结论:产前超声检查诊断胎儿四肢骨骼系统发育畸形准确率高,且安全、无创、无辐射、可重复检查,是产前诊断胎儿四肢骨骼系统发育畸形的有效方法。     

基于遗传算法的超声检测图像分割识别方法

基于钎焊电触头焊接质量超声成像无损检测的原理，针对超声图像分割过程中阀值难以确定的问题，以灰度图像的直方图熵作为评价标准，把图像阈值分割问题定义为一个优化问题，利用遗传算法寻优的高效性；搜索到能使分割质量达到最优的分割参数－－图像分割阈值，据此阈值可以区分出超声图像中的缺陷部分与焊合区域，因此对于后续的焊接缺陷识别具有重要的意义，实验结果表明，该算法分割切实可行，有效地缩短了寻找阈值的时间。     

基于条件分割对抗网络的超声甲状腺结节分割

提出一种基于条件分割对抗网络(conditional segmentation adversarial network, cSegAN)的超声甲状腺结节分割模型。模型由分割器网络和判别器网络两个部分组成,其中分割器网络设计使用一种多扩张率卷积块联合对结节区域进行准确定位,通过学习提取结节深度和浅层特征信息,获得结节区域二值掩膜;判别器网络对比分割结果与金标准之间的差距对分割结果进行评估。经多次对抗训练,实验结果表明,本文所提模型像素精度达到0.953 1,优于其他分割模型,可以更加准确地实现超声甲状腺结节分割。     

基于多尺度区域块的糖尿病性视网膜病变级联检测

目前,基于形态学检测糖尿病性视网膜病变的算法复杂度较高,深度学习直接逐像素检测的方法虽然能够避免排除生理结构、手动设计特征的不足,但计算量大、分割速度较慢.为了解决上述问题,提出一种基于深度学习的级联检测框架.首先,分块检测眼底图像是否存在病变区域,然后对病变区域进行逐像素的分割,从而检测出微动脉瘤、出血点、硬渗出及软渗出4种病变.实验结果表明:在眼底图像公开数据库DIARETDB1中,4种病变的检测率分别为88.62%、94.91%、98.91%和92.91%.与形态学方法相比,微动脉瘤和出血点检测精度分别提高了17.39%和15.18%;与直接逐像素检测方法相比,平均检测时间仅为原来的1/4.     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

基于残差U-Net网络的染色体图像分割方法

针对染色体识别的难题,提出一种基于残差U-Net网络的染色体图像分割方法.以残差网络和U-Net网络为基础简化深层网络的训练,利用丰富的跳跃连接促进信息传播;通过将U-Net网络底层的卷积层替换成不同尺度的空洞卷积,保持特征空间分辨率不变的同时扩大特征感受野,实现多尺度感受野提取图像特征的同时减少特性信息的丢失;压缩路...     

超声图像的半自动分割

提出了超声图像半自动分割的一种新方法。其基本思想是通过引入一种新类型的力场和一个控制点插入策略 ,将用户交互作为一个重要因素与 B样条蛇模型的搜索过程相结合 ;并可通过交互学习 ,实时地训练蛇模型的纹理统计参数 ,达到用户满意的分割结果。算法特别适用于必须经过用户交互的连续切片的分割。实验结果证明了算法的快速性和可靠性。     

一种新的沥青路面灌封裂缝自动提取方法

为了提高基于图像处理的沥青路面病害识别效率和精度,引入图像增强处理中的多尺度视网膜(multi-scale Retinex, MSR)算法以减弱光照不均匀、道路场景多变等因素对路面病害图像质量的影响。针对SegNet网络难以精确分割沥青路面微小病害的问题,采用比视觉几何群网络(visual geometry group network, VGG)效果更好的残差网络(residual network, ResNet)作为主干网络,同时加入空洞卷积(dilation convolution)层,提高网络对细小病害的识别性能;针对改进网络在识别病害时误检率较高的问题,运用阈值法剔除分割结果中的假阳性。为了验证改进算法的有效性,将其与具有代表性的语义分割方法(如SegNet、BiSeNet)在相同数据集上进行对比,三者的平均交并比(mean intersection over union, MIoU)分别为0.776 3、0.674 3、0.697 1,三者的F₁分数(F₁-score,F₁)分别为0.899 9、0.874 3...     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

基于轮廓检测的自然图像分割

提出一种基于轮廓检测的自然图像分割方法,该方法结合了MDL(最小描述长度)统计技术和用变分水平集函数求解活动轮廓模型的图像分割方法.该方法可有效的分割出图像中最突出的感兴趣目标,实验表明本方法与当前技术相比分割效果更好.     

基于改进U-Net的零件缺陷分割标注

提出一种以U-Net为基础,依据零件缺陷的特点对网络进行一系列改进的模型,以提升网络对零件缺陷的分割精度.首先在U-Net结构中的编码阶段,使用改进的残差网络Res2Net提高该阶段的特征提取能力;然后在网络编码器与解码器的中间部位增加空洞卷积,在不改变特征图尺寸的情况下增加感受野,降低误检率与漏检率;最后在U-Net的输出阶段与Mini U-Net进行结合,对原本的输出结果进行二次补丁,提高对微小缺陷的检测精度.实验结果表明,对MVTec数据集进行分割的F1-Score分数达到87.21%,时间为0.017 s,达到了良好的检测效果.     

基于曲线波的超声图像分割

为了提高前列腺超声图像分割的准确率,提出一种基于曲线波的半监督超声图像自动分割方法.首先,采用对微小波动敏感度高的Riemann-Liouville (RL)分数阶微分算子,突出模糊边界并增强超声图像的纹理;其次,运用曲线波变换对超声图像进行频域中的分解,获得不同子带分量以表达超声图像特征;然后,基于Adaboost的分类算法识别出超声图像中的病灶区和非病灶区;最后,采用中值滤波和腐蚀的方法使病灶区域边缘完整、平滑.实验表明,与运用共生矩阵及二进小波作纹理分析的分割结果比较,所提出的方法在准确率上有了很大的改进,分割超声图像效果更佳.