【摘 要】
：
脑干是维持人体心跳、呼吸、消化、体温、睡眠等功能的基础性生理组织,对于维持人体生命具有极度重要的作用。同时脑干也尤其脆弱,直接或间接地受到外界或者自身的刺激,都很容易产生病变或者受损。通过脑部医学影像,确定病变区域并对其进行准确勾画是诊断和治疗脑干病变的关键步骤之一。所以准确快速地自动识别并且分割脑部序列MR图像中的脑干区域,对于诊疗头部软组织及其附属生理组织的疾病具有重要价值。针对当前MR图像中
【基金项目】
：
国家自然科学基金项目（编号:61975248）； 广东省自然科学基金项目（编号:2018A0303130137）； 广州市科技计划项目（编号:202007040004）；
论文部分内容阅读
脑干是维持人体心跳、呼吸、消化、体温、睡眠等功能的基础性生理组织,对于维持人体生命具有极度重要的作用。同时脑干也尤其脆弱,直接或间接地受到外界或者自身的刺激,都很容易产生病变或者受损。通过脑部医学影像,确定病变区域并对其进行准确勾画是诊断和治疗脑干病变的关键步骤之一。所以准确快速地自动识别并且分割脑部序列MR图像中的脑干区域,对于诊疗头部软组织及其附属生理组织的疾病具有重要价值。针对当前MR图像中脑干区域的分割结果存在分割精度低、经常需要人工干预的问题,本文在所建立的用于分割MR图像中脑干区域的数据集上,通过改进经典的Mask RCNN模型,并与其它算法模型进行对比,从而获得更高的分割精度,同时降低医生手工筛选含有脑干区域图像的工作量。本文得到了国家自然科学基金项目（编号:61975248）、广东省自然科学基金项目（编号:2018A0303130137）、广州市科技计划项目（编号:202007040004）的资助。本文的主要工作如下:1.构建了用于脑干区域实例分割的数据集。其中包括:对收集到的脑部MR序列图像进行实例标注,即分别标出图像中是否含有脑干区域以及对脑干区域进行边界勾画,然后邀请专业医师进行核对,创建出完整的数据集,最后对数据集进行划分。2.设计研究思路。在建立的脑干区域MR图像数据集上,分别运用基于聚类的图像分割方法和基于深度学习的图像分割方法进行脑干区域分割实验,通过统计不同类型方法的分割结果,寻找更适用于脑部MR序列图像中脑干区域分割任务的方法。3.改进Mask RCNN模型。针对原始Mask RCNN模型在脑部MR序列图像中对脑干区域识别能力的不足,在原始模型中加入预识别网络。在取得全局特征图之后,感兴趣区域划分之前,通过预识别网络先对输入图像进行是否含有脑干区域的预判断,即利用完整的图像信息进行脑干区域的预识别,因为引入了更多的环境信息,从而提高了模型对脑干区域的检出率。针对原始Mask RCNN模型会输出多个脑干区域的分割结果,通过引入一张MR图像至多只有一个脑干区域的先验知识,改进模型的输出方式,强制模型至多只能输一个脑干区域,使得模型更加适用于脑干分割任务。针对改进的模型,设计更加符合本文任务的目标函数,并对该函数的设计、推导和收敛性等进行详细的数学过程论证。针对改进后的模型进行训练方式的优化,采用分阶段预训练和动态调整子目标函数块权重的方法,使得模型可以快速收敛,节省训练时间,降低训练成本。实验结果表明:（1）在目标区域与背景干扰区域具有极高相似度的MR图像任务中,采用基于模糊聚类方法的分割结果为DICE系数76.89%,交并比62.45%,原始Mask RCNN模型的分割结果为:DICE系数93.68%,交并比88.11%。（2）本文提出的Mask-RCNN改进模型对脑部序列MR图像中脑干区域的检出率为92.46%,DICE系数为94.33%,交并比为89.27%。相较于原始Mask RCNN模型脑干区域检出率提高了37.19%。综上所述,本文提出的Mask RCNN改进模型能够在相等的训练数据和同等的环境条件下保持同样良好的分割精度和效率,并且还能有效提高脑干区域的检出率,实现自动剔除脑部序列MR图像中不包含脑干区域的图像,显著减少医师们人工筛选图像的工作量。
其他文献
随着科技日新月异,国内外的机器人技术蓬勃发展,无人机的发展也随之瞬息万变。无人机本身包含着大量的理论知识与工程框架,许多国内外科研人员不断的研究无人机的各个方面,无论是它的底层驱动控制,还是上层应用,每一次理论上的突破与工程上的改进,都能为无人机质的飞跃提供了坚实的基础。为更好的拓展无人机的应用,往往需要给无人机续航,而其中无人机的自主降落技术担任着极其重要的角色。本文重点围绕移动降落中的相对位置
基于视觉信息的目标识别与定位相关技术在工业应用等领域中扮演着重要角色。前期出现的单目视觉方案具有实现过程简单快速的特点,然而此类方案往往无法直接获取目标的距离和位姿等,目标辨识和空间定位任务所需的关键性信息。后期出现的双目视觉方案则模拟出人类视觉系统,所以其天然具有获取空间场景信息的能力和特点,只是目前已有的方法在实现速度与精度方面常常无法得到很好的兼顾,主要瓶颈在于图像目标特征的提取、描述和匹配
随着科学技术的发展,智能机器人已经成为人们日常生活中重要伙伴。然而,机器人技术仍存在许多不足之处,其中在路径规划方面尤为突出,相关学者对之也发起了挑战,并提出了许多优化传统路径规划算法的新方法。传统全局路径规划A*算法和局部路径规划动态窗口法算法,能完成简单的导航任务,但是还存在着一些问题。如传统A*算法规划路径的过程中,节点等概率扩展带来的冗余节点数,导致Openlist容器节点占用率过高;可行
随着人们生活的发展,肺部组织的致病率也随之增长。胸片检查是判断肺部疾病的重要途径。但胸片的人工检查工作存在着工作量大、专业性强且依赖于医师的临床诊断经验等问题。面对这些问题,目前的主要解决方法是采用基于大数据、人工智能开发的计算机辅助诊断。现有的辅助诊断肺病的人工智能算法大多不仅存在着图像预处理针对性不强、图像分析的分类性能较差和结果准确度不高等问题,而且现有算法对新发现的肺部疾病判断率偏低,如新
这些年来,半导体光刻技术有了快速发展,以及集成电路在往小型化方面的快速发展,对光刻研究者的研究有更高的要求,即光刻人以更精确的工艺流程和创新来突破光刻技术的极限。因而,各式各样的模拟仿真器件也被研发出来,一种比较传统的方法,是基于薄掩膜的近似方法,有时候也被称为基尔霍夫方法（Kirchhoff Approach）,然而,这种方法并不适合用于计算三维立体掩膜的空间像。经过查阅相当数量的光刻有关文献,
随着现代社会的设备复杂度越来越高,同时因为设备的精度提高,设备成本变得越来越昂贵,如果设备发生故障,对生产人员的生命安全和设备的损失将会造成不可估量的影响,因此,对设备的故障诊断研究是具有理论价值与实际价值的。现实中大部分的现象是以非线性的状态呈现的,因此当设备的复杂度越来越高时,根据现实设备建模的非线性系统,其非线性程度也可能越来越高,设备的复杂度高还带来对系统建模精度降低这个巨大的挑战,因此,
文字是人类用表意符号记录表达信息以传之久远的方式和工具,是信息传递的载体。自然场景下端到端文本检测与识别算法的应用越来越普遍,已广泛应用于车牌识别、票证识别等场景,背景单一、规律整齐、水平方向的普通文本文档的识别率非常高。然而,在自然场景下文本的识别率较低,如有的图像中文字镶嵌在建筑、花草、服装中,有的图像中文字大小不一样,有的排列紧密稀松不一致,有的图像受到拍摄和采集的限制,照片明暗度、清晰度角
在实际工业生产中,系统往往存在未知外界干扰和系统内部参数漂移等不确定性因素的影响,在此背景下,如何实现对不确定系统的控制一直都是控制领域的重要研究方向之一。实际系统与建模所得数学模型之间往往存在一定差距,这类差距是由于未知外界干扰以及无法建模的系统动态而引起的。而滑模控制作为当代控制理论的重要方法之一,其实现方法相对简单及对不确定性和干扰的强鲁棒性,因此,得到广泛了的研究,并取得了许多引人注目的成
随着工业智能化的发展与智能工厂的构建,目前工厂内部材料的运输逐渐由原先的人工搬运转变为智能运载车的搬运,以实现一体化的智能生产。但智能运载车在运行过程中可能会出现诸如偏轨等各种各样的问题,而针对运载车的异常排查,目前采用较多的是人工巡查或监控视频观察的方式。人工巡查容易出现漏查和应急响应不及时的问题,且在危化品环境下,人工巡查存在严重的安全隐患;而使用监控视频观察的方法则需要专人24小时监控,违背
以煤炭为主要的能源结构是造成我国环境污染,尤其是雾霭等恶劣天气的主要因素。2020年,在联合国大会上,我国明确提出争取在2030年前碳排放达到峰值,在2060前实现碳中和。为实现这目标,就需调整能源结构,通过发展绿色电力对经济予以更多的支持。目前,大力发展可再生能源已形成了共识,全国掀起了风电、光伏发电项目建设热潮。伴随可再生能源并网比例的不断提升,怎样保障电网频率稳定和电网安全已成为新的挑战。储