【摘 要】
：
心脏冠状动脉钙化是导致心血管疾病的重要因素。实现CT图像中冠状动脉钙化灶的自动分割可以为医生诊断心血管疾病提供影像学的依据。针对冠脉钙化灶分割方法精度有待提高的问题,研究了基于深度学习实现非增强心脏CT图像中冠脉钙化灶自动分割的方法。针对冠脉钙化灶体积小、结构多样化和空间位置随机等特点,设计了以3D U-Net为基础网络,加入密集连接、残差连接、多尺度特征图融合以及空间注意力机制等改进机制的卷积神
【基金项目】
：
共建华中科技大学-联影-医学影像研究及医疗产品开发联合实验室项目；
论文部分内容阅读
心脏冠状动脉钙化是导致心血管疾病的重要因素。实现CT图像中冠状动脉钙化灶的自动分割可以为医生诊断心血管疾病提供影像学的依据。针对冠脉钙化灶分割方法精度有待提高的问题,研究了基于深度学习实现非增强心脏CT图像中冠脉钙化灶自动分割的方法。针对冠脉钙化灶体积小、结构多样化和空间位置随机等特点,设计了以3D U-Net为基础网络,加入密集连接、残差连接、多尺度特征图融合以及空间注意力机制等改进机制的卷积神经网络模型CAC-Seg Net。为解决数据集中图像存在的正负样本比例极度失衡的问题,将Focal Loss和Dice Loss结合作为网络的损失函数,在应对正负样本不均衡问题的同时调整网络向分割效果较好的方向优化。这些结构调整操作可以使网络更好地学习图像的三维空间信息以及细节特征,进而提高网络的训练效果。由于三维CT数据体积较大,对图像进行了分块采样,将分块的轴状面调整到了更合适的尺寸,以便包含更多的心脏区域信息。在训练数据集中对全阴性数据块进行了适当保留。为了进一步改善分割效果,先使用CAC-Seg Net提取心脏上的所有钙化,再将提取结果作为辅助信息输入与CAC-Seg Net结构相同的网络来进行冠脉钙化灶的分割。对使用不同分块策略、不同Loss函数以及不同改进机制的冠脉钙化灶分割网络进行了对比实验,验证了改进方法的有效性。在使用的非增强心脏CT数据集上,使用CAC-Seg Net进行冠脉钙化灶分割的Dice系数达到了0.8061,与原始3D U-Net相比提高了约0.2,与3D Dense-U-Net和3D Res-U-Net相比提高了约0.17。两步进行冠脉钙化灶分割的Dice系数进一步提高,达到了0.8374。
其他文献
增材制造工艺的不断发展给传统制造业的生产模式与生产效率带来了革命性的变化,表面缺陷检测作为增材制造质量检测的关键手段成为增材制造技术研究热点。为了避免当前打印层的缺陷影响后续的零件成形质量,本文利用三维点云数据和深度学习技术,检测出电弧增材制造零件生产过程中的表面缺陷,从而为后期的缺陷处理方案提供重要的参考依据。本文主要有以下点云数据预处理和基于深度学习的表面缺陷检测两方面的研究内容:针对传统点云
知识表示学习是用于知识图谱补全的重要技术。翻译模型作为知识表示学习的代表模型,因其参数少且容易解释,被广泛应用于大规模知识表示学习中。近几年,为了克服翻译模型孤立地考虑各个三元组的缺点,实体的邻居信息被引入到翻译模型中。然而现有模型缺乏合理的邻居选择策略,导致开销过大且容易引入噪声,或者容易遗漏重要邻居。同时,现有模型忽视了邻居作为实体也具有多种属性,只能为每个邻居确定一个固定的权重,无法为邻居中
使用计算型存储设备加速SQL查询是一种有效的途径。由于当前计算型存储设备的处理能力有限,现有方案通常将能明显减少数据移动的过滤算子卸载到计算型存储设备中,然而将所有SQL查询中的过滤算子交由计算型存储设备直接处理会导致较差的性能。针对上述问题,提出了基于表数据特征的过滤算子动态卸载与执行优化（Dynamic Offloading and Execution Optimization,DOEO）方案
图像传感器作为现代光机电系统的核心部件,与其他尖端光机电设备联用可以对图像数据实时采集、处理和传输来反馈控制光机电系统。然而,使用图像传感器进行图像采集时,目前主要还是以人工调焦为主,导致调焦精度和效率较低。此外,现有的图像传感器控制软件大多只支持单一设备的控制,无法直接与其他设备进行联用,造成数据通信效率低下。针对这些问题,本文探索了自动聚焦算法中的聚焦评价函数和聚焦搜索算法两大关键技术,在此基
跨域推荐是致力于解决推荐系统冷启动问题的一类方法,核心思想是借助其它域中的知识为当前域的用户进行推荐。基于嵌入与映射的方法是一类可以利用重叠用户数据进行跨域推荐的方法。这类方法通常利用重叠用户在源域中丰富的交互行为进行偏好建模,然后将该偏好知识传递到目标域中。但此类方法并未考虑到用户目标域交互行为和源域交互行为的时序关系。另外,由于基于嵌入与映射的模型对重叠用户数据量的强依赖,会导致在用户交互数据
神外手术机器人辅助治疗代表脑部疾病现代手术治疗的发展方向,具有稳定、高效、精准、微创等优点。术前规划是神外手术机器人辅助治疗的关键步骤,旨在确定手术目标与手术路径,为后续手术实施提供指导。其中,基于术前磁共振图像的脑标识点精准定位与脑部结构自动分割是关键使能技术,决定了术前规划能否帮助医生准确切除目标,并规避重要脑部结构。深度学习技术在脑标识点定位与脑部结构分割中的研究取得了喜人的进展,但现阶段仍
急性脑梗是一种常见的脑血管疾病,具有高发病率、高致残率、高死亡率、高复发率和高经济负担五大特点。在基于核磁共振（MR）成像诊断急性脑梗病灶时,专家之间存在着较大的主观差异性。因此,开发基于深度学习的急性脑梗病灶自动分割算法,准确地分割MR图像中的脑梗病灶并精确地进行定量分析,对于急性脑梗患者的诊断、恢复和预后具有十分重要的意义。急性脑梗病灶的分割存在数据量小、MR伪影干扰大、标注工作量大等问题,且
近年来,采取基于深度学习的方法从单张或多张二维图像中恢复物体的三维模型得到了越来越多的关注,是目前计算机视觉领域的研究热点。基于传统方法的三维重建算法存在需要人工参与,算法泛化性不高等缺点,因此基于深度学习的三维重建是目前的主流方法,虽然目前的方法已取得良好的效果,但在单视图重建时存在先验知识利用不足、图像特征提取不充分、网络易受不平衡数据影响等问题,造成重建的模型存在精度不足、细节信息丢失等现象
人脸物理对抗样本攻击（Facial Physical Adversarial Attack,FPAA）是指攻击者通过粘贴或佩戴物理对抗样本,如打印的眼镜、纸片等,在摄像头下被识别成特定目标的人脸,或者让人脸识别系统无法识别的攻击方式。已有FPAA的性能评测会受到多个环境因素的影响,且需要多个人工操作的环节,导致性能评测效率非常低下。因此,首要研究动机是对不同环境下的FPAA的性能进行自动化评测,旨
数控机床作为生产的核心设备,发生故障将造成极大损失。及时诊断故障,恢复其运行十分必要。碎片化的故障维修日志中富含故障诊断知识,但检索耗时,难以利用。由此,提出利用知识图谱结构化的语义来描述零散的故障维修日志的思路,通过查询构建好的数控机床故障知识图谱,快速获得故障发生的原因。目前知识图谱构建方法中的复杂实体识别没有结合词汇信息,影响识别效果;复杂实体关系抽取方法,标签解码方式简单,忽视了实体和关系