【摘 要】
：
视网膜血管的表征变化与许多综合性疾病的早期诊断密切相关,对血管结构的性状分析是疾病诊疗的重要依据。基于计算机的视网膜血管自动分割技术,能够降低视网膜血管分割任务的资源消耗、节约专业医师的人力成本,是计算机视觉和医学图像分析领域研究的热点问题,基于上述背景,本文针对深度学习视网膜血管分割方法的标签获取、血管拓扑结构增强、多任务学习三个方面进行了研究:（1）提出了视网膜图像血管标签自动提取算法。近年来
论文部分内容阅读
视网膜血管的表征变化与许多综合性疾病的早期诊断密切相关,对血管结构的性状分析是疾病诊疗的重要依据。基于计算机的视网膜血管自动分割技术,能够降低视网膜血管分割任务的资源消耗、节约专业医师的人力成本,是计算机视觉和医学图像分析领域研究的热点问题,基于上述背景,本文针对深度学习视网膜血管分割方法的标签获取、血管拓扑结构增强、多任务学习三个方面进行了研究:（1）提出了视网膜图像血管标签自动提取算法。近年来,有监督深度学习方法在视网膜血管分割领域取得了较大成果,而视网膜图像的复杂性导致了手工标注任务的高成本。所以,对于大量专家手工标签的需求,始终是深度学习在视网膜血管分割领域的实际应用中遇到的难点之一。本文基于最佳方向性通量滤波获取血管结构特征,再利用分层处理的思想分别通过自适应阈值法和骨架追踪得到视网膜图像的粗血管部分和细血管部分。然后经过修正与融合,最终得到具有粗细血管分类的标签,以支持深度学习模型的训练。（2）提出了基于自动标签的自适应拓扑增强深度学习分割方法。为了解决现有方法分割结果中普遍存在的血管拓扑连续性差、细血管丢失的问题,本文基于自动标签,提出了一种自适应拓扑增强损失函数,通过差异化增强粗细血管,弥补了二进制交叉熵损失函数仅考虑单个像素而忽视局部信息的缺点。在DRIVE、STARE、CHASEDB1、HRF和IOSTAR五个数据集上的实验结果表明自适应拓扑增强损失函数提升了血管分割结果的连续性、降低了细血管的漏检率。（3）提出了多任务深度学习方法。现有的深度学习视网膜血管分割方法大多数误差都出现在血管边缘部分。为解决这一问题,本文引入了多任务学习机制,将血管边缘检测任务与血管分割任务并行学习,以利用二者之间的互补性共同优化血管分割结果。为使两个互补任务相互融合,本文提出融合正则模块来融合网络两个分支的特征并对网络中的参数进行正则化。另外,提出了多监督模块,将多尺度思想引入到模型的监督训练中,在模型的每个解码器输出后都进行监督,增强了网络的鲁棒性。实验表明,该方法的分割结果在精度方面具有一定优势,并且血管边界清晰。
其他文献
为实现“三位一体”智慧医院的建设目标，提升医院综合效益，推进落实医院后勤科学化、标准化、精细化管理水平，成都中医药大学附属医院以“完善标准、强化监督、多方协同、数字基底”为思路，以建筑信息模型（Build-ing Information Modeling,BIM）为内核，运用大数据、人工智能、云计算等数字技术进行管理实践，实现了后勤运维可视化把控，大幅降低人工成本，提升了医院保障服务安全及效率。
联邦学习作为一种分布式深度学习框架,能够解决由于数据隐私无法集中数据进行训练的问题。传统联邦学习采用中心化参数服务器对模型进行聚合、更新和分发,容易引起单点故障和数据泄漏问题。通过结合去中心化、不可篡改的区块链,能够解决联邦学习中的信任问题。然而,区块链无法避免恶意者通过修改训练样本而引起的中毒攻击。现有研究结合聚合规则或异常检测来防御中毒攻击,但仍存在防御效果差、难以准确识别恶意节点和中毒率超半
受益于数据的爆炸式增长和算力的飞速发展,以深度神经网络为代表的人工智能技术飞速发展。如今,深度学习技术已广泛应用在医疗诊断领域进行手术风险自动评估、药物研发、疾病预测、疾病早筛等。美国食品和药物管理局（FDA）在2018年已经批准了有史以来第一款自动人工智能（AI）诊断仪的上市。伴随着人工智能系统的日益推广,如何对其在医疗健康等安全关键型环境中的性能进行监管成为新的问题。数据是深度学习模型构建的核
淋巴瘤是起源于淋巴造血系统的恶性肿瘤,是血液肿瘤中发病率最高的类型。对于疑似恶性淋巴瘤的筛查手段有很多。近年来,先进超声检查技术在临床上的应用,为淋巴瘤的诊断提供了更加便利的条件。高分辨率超声能显示淋巴瘤的大小、形态和内部回声结构及其变化,提供丰富的诊断信息,临床医生可以凭借其镜下超声表现筛选出疑似细胞进而通过穿刺活检获得明确的病理诊断。但对于临床经验较为缺乏或非肿瘤科领域的医生来说,镜下筛选过程
由于阿尔兹海默病（Alzheimer’s Disease,简称AD）对中老年人的危害较大,近年来发病率逐渐提升,并且该疾病病程漫长,不可逆转且暂无有效的治疗方式,只能秉持早发现早干预的方针,对患者进行早检查以及早预后,因此其早筛尤为重要。多阶段事件判别模型（Multi-stage Event Discriminant Model,MDEBM）以生物标志物属性变化为事件,通过样本横截面数据分析得到阿
阿尔兹海默病（Alzheimer’s Disease,AD）目前是中老年人群中较为常见的高发疾病,已经严重影响患者及其家庭的正常生活。然而,目前的治疗药物只能尽可能延缓AD的病变进展,却不能从根本上医治AD患者。因此,通过利用计算机技术研究AD的疾病进展情况,帮助医生实现AD患者的早期干预,对潜在的AD病变者尤为重要。Tau蛋白是AD的主要致病物质之一,在脑部鉴定Tau蛋白含量有助于区分认知正常的
在真实世界的数据集中,数据缺失的情况非常普遍,例如:交通数据、人口统计信息数据、医疗数据等。数据的缺失导致了数据质量下降、诸多信息丧失,在机器学习的研究中,如果将这种残缺的数据作为模型的数据集,模型系统中表现出的不确定性将会更加显著,还会导致模型对数据信息的挖掘走向混沌的状态,最后得到不靠谱的输出。如果利用常用的算法来分析不完整的数据集,不仅会增加建模的难度,还会给后面的分析留下隐患。现有的大多数
＜正＞本书收录了2023年专利代理师资格考试大纲以及与考试密切相关的法律、行政法规、司法解释、部门规章和国际条约等的最新文本,完整地体现了我国与专利有关的最新法律、行政法规、司法解释、部门规章的修改情况,是广大考生复习、备考的权威参考工具书。
叙述了铷、铯资源在全世界及我国的分布特点。综述了近年来铷、铯矿石的处理方法与铷、铯金属主要的制备技术研究进展，针对其中的离子交换、溶剂萃取等工艺的原理、特点进行了分析与总结。简述了铷、铯金属近些年在量子计算、特种玻璃及电子元件等领域的应用现状与前景，并对其未来的发展进行了展望。