【摘 要】
：
随着人工智能的发展,如何利用深度学习来辅助医生分析医学图像资料逐步成为热门研究方向。近些年利用深度神经网络解决医学图像分割任务的模型有很多,但这些模型普遍忽视了深度神经网络中由多次下采样操作导致的空间细节丢失的问题,而通常空间细节中包含大量小区块,边缘等关键信息,这些细节的丢失会导致模型整体性能下降,也会使得分割结果的医疗辅助价值降低。针对上述问题,本文基于深度神经网络对医学图像的分割算法进行了研
论文部分内容阅读
随着人工智能的发展,如何利用深度学习来辅助医生分析医学图像资料逐步成为热门研究方向。近些年利用深度神经网络解决医学图像分割任务的模型有很多,但这些模型普遍忽视了深度神经网络中由多次下采样操作导致的空间细节丢失的问题,而通常空间细节中包含大量小区块,边缘等关键信息,这些细节的丢失会导致模型整体性能下降,也会使得分割结果的医疗辅助价值降低。针对上述问题,本文基于深度神经网络对医学图像的分割算法进行了研究与实现,主要研究成果如下:（1）针对现有深度神经网络模型中存在的空间信息丢失问题,本文提出了一种基于空间信息恢复的医学图像分割算法,该算法通过空间信息注意力分支（SDAB）修复了丢失的空间信息。SDAB一侧直接与编码器中浅层特征连接,利用大尺寸卷积核的优势,充分提取空间信息;另一侧与解码器中上采样的特征相连,优化上采样结果。SDAB借助注意力以及特征融合机制实现了强化空间信息恢复的目标。LUNA数据集上的实验结果表明,SDAB可以优化深度神经网络中空间信息的抽取与表达,降低特征的融合阶段浅层特征对深层特征中强语义信息的干扰,优化模型对边缘和小区块的分割效果。（2）针对医学图像分割任务中边缘像素分割难的问题,本文提出了一种基于边缘信息的医学图像分割算法,该算法通过特征强化模块（FEM）提升了对目标边缘的分割精度。FEM由通道强化模块和预引导模块共同构成。通道强化模块利用注意力机制,选择性激活或抑制通道,增强模型对语义信息的编码表达能力。预引导模块协助通道强化模块,利用辅助损失函数产生反馈,提升通道强化块对通道的选择能力,最终强化深度神经网络对目标的判别能力。实验结果证明,通道强化模块与预引导模块能协同提升整个模型的分割性能,基于FEM设计的深度神经网络模型对边缘像素的分割性能较好。（3）针对医学图像中小尺度目标分割难的问题,本文提出了一种基于深度神经网络的医学图像分割算法,称作空间细节恢复网络（SDRNet）。SDRNet使用改进后的Resnet编码器,在解码器结构中,SDRNet巧妙融合了 SDAB与FEM的优势,借助空间信息恢复与特征强化机制提升了深度神经网络模型对小尺度目标的定位精度。LUNA数据集上的消融实验结果证明,SDRNet中的模块能协同工作,更好地处理边缘细节和小区块;与经典模型的对比实验证明,SDRNet在两个模块的协同作用下能实现更优的分割性能。
其他文献
人们在日常生活中经常使用社交媒体发布自己的状态表达自己的情感,其中不乏具有讽刺倾向的评论,该评论表面的情感往往与真实情感相悖,因此正确识别评论的讽刺特征成为讽刺检测的重要任务。讽刺检测旨在判别目标文本中是否含有讽刺倾向,由于判别该文本需要深度语义信息,因此讽刺检测是情感分析乃至自然语言处理中一项具有挑战的工作。从研究角度来看,讽刺检测可以分为基于目标文本和联合上下文信息两个角度展开研究。从研究方法
非线性发展方程已经被作为描述流体等物理领域中的非线性现象的模型。通过研究非线性发展方程的解析解的特征,可以为一些物理实验的提供理论支持。本文的主要内容是解析研究了流体等物理领域中的三个非线性发展方程。本文的主要工作总结如下:（1）研究了（3+1）维广义Calogero-Bogoyavlenskii-Schiff方程的lump解、混合lump-条形孤子解、混合畸形波-条形孤子解和呼吸子解的性质。根据
随着现代无线通信技术的不断发展,频谱资源利用率低和无线终端能量受限等问题逐渐凸显,全双工和无线携能通信技术的融合受到了学者们的关注。对于无线携能通信系统,非线性能量采集模型是近些年的热门研究点。由于实际情况下很难获得理想且完美的信道状态信息,非完美信道模型受到了越来越多的重视。本文在结合上述技术的基础上,在系统模型和优化算法上展开研究。本文研究了基于非线性能量采集模型和非完美信道模型的全双工多用户
视频编码将原始视频数据压缩成视频码流,在保证了编码视频质量的同时极大降低了视频的数据量。随着超高清、虚拟现实等应用的发展,视频数据量及视频内容的增加,给视频的传输和存储带来了压力。为了适应不断增长的视频数据以及丰富的视频内容,新一代视频编码标准AVS3的制定已在进行中。AVS3在AVS2标准的基础上添加了大量新的技术,在保持视频质量一致的前提下实现了更高的压缩率。同时,大量新技术的应用也使得编码复
目前,INS/GNSS组合导航系统是一种应用较为广泛的卫星导航解决方案,它克服了单一传感器导航系统难以长时间且高频率导航的局限性,提高了导航信息的可信度,并且在降低导航费用的基础上缩短了信息获取时间,在一定程度上提高了导航精度。然而,一旦GNSS卫星信号失锁,系统会再次以惯性导航模式工作。这使得当前组合导航系统存在导航精度易迅速发散、稳定性较差等问题。因此,本文开发了一种基于低成本传感器、鲁棒的自