基于高效通道注意力的UNet肺结节CT图像分割

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明：Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。     

孤立性肺结节CT影像的计算机视觉分析

目的:探讨电子计算机视觉分析对孤立性肺结节的诊断价值.方法:89例经手术病理证实的肺部结节电子计算机断层扫描(CT)图像经过形态学滤波以及二次图像分割,进行标准哈夫(Hough)函数变换,以提取的计算机视觉特征数据来研究孤立性肺结节的影像诊断.结果:恶性结节的最大极径(MaxRho)为(141.79±8.332),良性...     

3D多重注意力机制下的行为识别

为解决传统3D卷积中难以提取时空信息的缺点,提出一种适用于3D卷积网络的多重注意力机制模块.该模块是由通道结合时间子模块和空间子模块组成的多维度特征调整模块.在通道结合时间模块中,通过调整池化层和卷积层的顺序,保留更多的有效通道信息和时间信息;在空间模块中,压缩冗余时间信息以减少计算量.该模块的整体计算量较少,可嵌入到各3D卷积网络中.为验证多重注意力机制模块的性能,基于3D ResNet网络设计部署了该多重注意力机制模块,并在UCF-101和HMDB-51两个行为识别数据集上分别进行训练.结果表明,改进后的3D ResNet在UCF-101上可提升1.50%的精度,在HMDB-51可提升1.24%的精度,而参数量只增加0.24%.     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

基于超声影像的甲状腺结节智能分割算法

基于超声影像对甲状腺结节进行精准分割,可以得到病变区域的生理参数信息,从而对甲状腺结节的早期筛查和诊断定性.为实现甲状腺结节的精准分割,提出了一种基于Transformer编码的多层次特征融合网络.针对不同患者的甲状腺结节大小和其在甲状腺超声图像中所处的位置均存在较大差异的特点,该模型以Transformer结构作为特...     

基于可变形卷积融合双注意力机制的缺陷检测方法

在工业生产制造过程中,由于生产失误致使产品表面缺陷不仅影响产品质量,同时也会损害企业形象.针对现有方法使用卷积神经网络只具备局部感受野的问题,将Vision Transformer(ViT)作为特征提取器,ViT可以通过位置编码与图像块间的互相运算充分利用图像中各部分间的关联特征.此外,针对现实场景下的缺陷区域是不规则、不连续的,现有的模型也未充分利用图像中通道与空间信息问题,提出了一种基于可变形卷积融合空间通道双注意力机制的方法(deformable convolutional and dual attention flow,简称DCA-Flow).对于不规则的缺陷区域,使用形变建模能力更强的可变形卷积进行特征提取,并利用通道与空间维度的注意力机制对可变形卷积提取的特征进行权重再调节.实验结果表明,所提出的方法能够有效检测各种类别物体中的表面缺陷,在多种物体中的平均AUROC值可达96.4%,相较基线方法最大值提高了1.4%,且具备更好的泛化性.     

基于CT图像3D特征的肺结节检测

为了提高肺结节检测的性能,提出一种基于中心点连续性的肺结节检测算法.该算法使用基于简单线性迭代聚类超像素方法分割CT图像,并根据相似度合并超像素,进而得到肺部区域及疑似肺结节区域,降低了疑似肺结节的漏检率.根据各帧CT图像中疑似肺结节区域的中心点偏移程度评价其中心点连续性,最终判断出阳性肺结节.文中的实验数据来自于上海市胸科医院和LIDC数据库.实验结果表明,改进后算法的敏感度达到86.36%,假阳性率为1.76.     

肺部CT图像多病种自动检测及分类

针对医学影像预处理复杂、病灶位置分散检测困难、医院等实际应用场景的设备条件难以满足庞大影像数据量对设备的高性能要求等难点,本文采用卷积神经网络的方法训练双阶段模型,对肺结节、索条和动脉硬化钙化3种病灶进行检测,第一阶段目标是检测查全率,第二阶段目标是检测查准率.实验结果表明本文方法在设备有限时,检测时间约为DeepLu...     

基于注意力机制及卷积神经网络的肺部图像分类

新冠肺炎在全球范围内的突然爆发,使医疗工作者进入了紧张的工作状态.面临此次突发的危机争件,病毒检测速度较慢,检测手段单一等问题也迅速暁露出来,为此,提出了一种基于注意力机制的轻量级卷积神经网络方法,以进行高效肺部图像分类,从而缓解医疗工作压力.提出模型采用MobileNet为基本网络,并融合注意力机制.实验表明,提出网...     

基于多感受野与分组混合注意力机制的肺结节分割研究

从CT图像中自动有效分割肺结节对诊断和治疗肺部肿瘤具有重要意义。鉴于肺结节在肺部所占比例很小、形态不规则、与一些邻近组织和器官在视觉上非常相似,给分割任务带来困难,本文提出一种基于多感受野与分组混合注意力机制的肺结节分割网络MRF-GMA。首先,该网络通过多感受野特征聚合模块,捕获不同尺度的结节;其次,利用分组混合注意力模块,提升对结节像素的分辨能力;最后,采用混合损失函数对训练过程进行优化,缓解了类不平衡的问题。在实验部分,本文分别将MRF-GMA与FCN、SegNet、R2U-Net和Attention U-Net等进行比较,结果表明,MRF-GMA模型在Dice相似性系数(DSC)、召回率(recall)和准确率(accuracy)等方面均表现最优,相比Attention U-Net模型,分别提高了2.25、1.19和2.98个百分点。     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.     

基于细胞图像肺癌诊断系统的设计与实现

基于细胞图像的肺癌诊断系统主要是利用数字图像处理和模式识别的技术对肺癌细胞的图像处理,并根据提取出的细胞特征对肺癌进行早期的病理诊断.不同于以往的细胞诊断系统,文中提出了新的细胞分割和重叠细胞重构的方法.首先把彩色肺癌细胞图像转化为灰度图像,对其进行平滑、去噪,然后用一种新的基于强化学习的方法寻找合适的灰度阈值,把细胞区域分割出来,形成二值图像,并对图像进行基于形态学的二值滤波,再针对此时分割出的重叠细胞,利用一种改进的deBoor-Cox方法分离与重构,最后进行特征提取,根据提取出来的多种特征对细胞分类,诊断出肺癌细胞.     

基于细胞图像肺癌诊断系统的设计与实现

基于细胞图像的肺癌诊断系统主要是利用数字图像处理和模式识别的技术对肺癌细胞的图像处理，并根据提取出的细胞特征对肺癌进行早期的病理诊断．不同于以往的细胞诊断系统，文中提出了新的细胞分割和重叠细胞重构的方法．首先把彩色肺癌细胞图像转化为灰度图像，对其进行平滑、去噪，然后用一种新的基于强化学习的方法寻找合适的灰度阈值，把细胞区域分割出来，形成二值图像，并对图像进行基于形态学的二值滤波，再针对此时分割出的重叠细胞，利用一种改进的deBoor—Cox方法分离与重构，最后进行特征提取，根据提取出来的多种特征对细胞分类，诊断出肺癌细胞．     

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。     

一种基于基因组甲基化探针的肺腺癌诊断模型

由于肺腺癌早期病征不够明显,传统的检测方法难以达到早期临床诊断的要求.目前,基于甲基化分子标记进行癌症的早期诊断则展现出很好的发展前景.本研究在训练集中筛选出在肺腺癌与正常样本中甲基化差异度最大的10个甲基化探针,并基于此构建广义线性诊断模型,同时引入Lasso方法进行模型的变量选择.最终得到由4个探针(分别对应于基因TRIM58、HOXA9、HOXB4、PRAC)作为变量的诊断模型,并提供了合理的分类阈值区间.在3个测试集使用该模型都表现出很好的诊断效果,ROC曲线的AUC均在0.99以上.     

圆柱孔破损膨胀土扫描数据的三维重建研究

运用多功能CT-三轴仪对三轴剪切试验过程中的土体断层进行扫描,得到了土体断层不同试验阶段的CT图片.从这些扫描图片中提取试样的ME值(平均密度)、SD值(不均匀程度)、试样横断面面积、孔洞面积等信息.运用MATLAB软件对这些信息进行三维立体建模,得到了试验过程中土体不同阶段的三维立体模型.这些三维立体模型反映了土体在剪切过程中整体结构和内部结构的演变情况,解决了以往CT-三轴试验只能从二维角度研究土体结构演变的问题.重建结果表明:三维立体模型对土体整体和内部结构以及各种孔径的变化规律反映得更准确;三维切片可以反映试样断面的演变,有助于我们在三轴剪切过程中更详细地了解试样内部结构的演化规律;经观察发现,不同圆柱孔破损面积对试样剪切过程中试样和孔洞的结构演化形式存在影响.     

基于Mimics平台的CT图像三维重建算法研究

为充分挖掘CT图像中的医学诊断信息, 提高CT图像的三维重建效果与可视化程度, 研究了基于Mimics平台的CT图像三维重建算法。将腹部16排螺旋CT图像导入Mimics系统, 利用系统图像分割、 蒙版编辑和区域增长等功能模块, 将脾脏器官由腹部CT切片图像中完整分离出来, 并可进行任意角度的放大, 缩小等操作。与传统方法相比, 其实现的对人体器官、 骨骼和组织的CT图像的三维重建与可视化处理结果, 更加接近于真实器官的生理解剖结构。     

基于CT图像的颌面部模型三维重建方法

基于CT图像,选择颌面部组织(包括脸颊软组织)为对象,建立符合生理要求的口腔修复、软组织变形仿真模型。利用Amira软件,通过轮廓提取、公共轮廓线建立、模型光顺等操作,结合重建组织的医学特征,对颌面部不同组织分别进行三维重建。所建立的三维模型可真实再现颌面各组织的解剖形态,体现相邻组织紧密结合特性。     

基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.