【摘 要】
：
针对PET-CT肺肿瘤分割中存在的没有充分将医生临床经验融入到算法设计的问题,该文利用PET高斯分布先验,结合区域可伸缩拟合(RSF)模型和最大似然比分类(MLC)准则,提出一种基于变分水平集的混合活动轮廓模型RSF_ML。进一步,借鉴人工勾画肺肿瘤过程中融合图像的重要价值,提出了基于RSF_ML的PET-CT肺肿瘤融合图像分割方法。实验表明,所提出方法较好地实现了有代表性的非小细胞肺肿瘤(Non
论文部分内容阅读
针对PET-CT肺肿瘤分割中存在的没有充分将医生临床经验融入到算法设计的问题,该文利用PET高斯分布先验,结合区域可伸缩拟合(RSF)模型和最大似然比分类(MLC)准则,提出一种基于变分水平集的混合活动轮廓模型RSF_ML。进一步,借鉴人工勾画肺肿瘤过程中融合图像的重要价值,提出了基于RSF_ML的PET-CT肺肿瘤融合图像分割方法。实验表明,所提出方法较好地实现了有代表性的非小细胞肺肿瘤(Non-Small Cell Lung Cancer, NSCLC)的精确分割,主客观结果优于对比方法,可为临
其他文献
水库水位库容曲线的确定是水库工程规划、设计中不可缺少的工作。传统水位库容的量算往往是在AUTOCAD中完成的,过程费时费力,且受地形图影响较大。利用ArcGIS中ModelBuilder建模工具,可将多个处理工具进行组装,实现水库水位库容计算的流程化处理。通过利用ArcGIS建模工具和AUTOCAD分别对金山水库水位库容曲线进行量算,发现利用ArcGIS建模工具可大幅提升计算效率,同时确保计算准确
针对四旋翼无人机(UAVs)系统,该文提出一种基于线性降阶滤波器的深度强化学习(RL)策略,进而设计了一种新型的智能控制方法,有效地提高了旋翼无人机对外界干扰和未建模动态的鲁棒性。首先,基于线性降阶滤波技术,设计了维数更少的滤波器变量作为深度网络的输入,减小了策略的探索空间,提高了策略的探索效率。在此基础上,为了增强策略对稳态误差的感知,该文结合滤波器变量和积分项,设计集总误差作为策略的新输入,提
该文研究面向电网业务质量保障的5G高可靠低时延通信(URLLC)的资源调度机制,以高效利用低频段蜂窝通信系统内有限的频谱和功率资源来兼顾电力终端传输速率和调度时延、调度公平性,保障不同电力业务的通信质量(QoS)。首先,基于URLLC的高可靠低时延传输特性,建立电力终端多小区下行传输模型。然后,提出面向系统下行吞吐量最大化的资源分配问题模型并对其进行分步求解,分别提出基于定价机制与非合作博弈的功率
长江安徽省段干流正常水位时,水面宽度大部分都超过1 km。沿江两岸的水准线路联测较少,在实际应用中经常发现两岸水准点存在误差较大,特别是在水文测验两岸水位比降观测中存在异常现象。由于长江水面普遍较宽,采用传统的跨河水准方法难度较大。采用实例介绍GNSS高程测量在跨江水准测量中的应用,能够较好地解决大跨度过河水准测量的难题,可为同类实际工作提供参考。
本文以绥阳县县城排污项目为例,主要讲述无人机免像控技术所需要的条件,以及解决方案,并对在此基础上生产的空三成果及垂直三维模型进行精度分析,阐述无人机免像控垂直三维模型在县城排污地形图生产中的运用优势。
异构网络边缘缓存机制是解决传统回程传输链路负载过大的可靠技术之一,但已有的缓存策略往往不能与被请求数据的流行度相匹配。为了解决这一问题,该文提出一种流行度匹配边缘缓存策略(PMCP),该策略能够根据流行度参数匹配对应的文件缓存概率以最大限度提升通信可靠性并降低回程带宽压力。基站的平面位置通过随机几何建模,文件的被请求概率则通过齐夫分布建模。蒙特卡罗仿真结果表明缓存机制能够有效降低回程带宽压力,且所
智能粒子滤波通过借鉴遗传算法思想能够减轻粒子退化现象。在基于遗传算法的智能粒子滤波基础上,该文提出对低权值粒子的改进的智能粒子滤波(IIPF)处理策略。在对粒子进行分离、交叉后,优化遗传算子,对低权值粒子进行自适应处理。低权值粒子根据权值大小自行判断是否为底层粒子;底层粒子将直接进行变异,其余低权值粒子将根据变异概率随机变异。仿真结果表明,改进的智能粒子滤波(IIPF)性能优于智能粒子滤波、一般粒
冻结步态(FoG)是一种在帕金森病(PD)中常见的异常步态,而拖步则是冻结步态的一种表现形式,也是医生用来判断患者的治疗状况的重要因素,并且拖步状态也对PD患者的日常生活有很大影响。该文提出一种通过计算机视觉来实现患者拖步状态自动识别的方法,该方法通过以3维卷积为基础的网络结构,可以从PD患者的TUG测试视频中自动识别出患者是否具有拖步症状。其思路是首先利用特征提取模块从经过预处理的视频序列中提取
基于视觉的非合作空间目标3维姿态估计,关键在于建立观测图像与目标模型的特征关联。当前方法往往通过采用复杂的多维特征、产生候选关联结果的方式确保特征关联的准确性,难以兼顾算法效率。为解决以上问题,该文提出一种结合深度学习技术的姿态估计方法,首先通过深度神经网络得到姿态初值,然后基于姿态初值建立图像和目标模型之间的特征关联,进而求解目标姿态。所提方法中,深度神经网络提供了稳定的姿态初值,缩小了特征关联
为减少Gossip算法进行信息传播的通信开销,该文提出一个将二进制指数退避算法与经典Gossip算法相结合的二进制指数退避的Gossip算法(BEBG),其信息传播策略是一个节点收到同一信息的次数越多,继续传播该信息的概率就越低。理论分析与仿真实验表明,BEBG能够有效减少信息传播冗余,网络中有104个节点时比经典Gossip算法减少了约61%网络负载。为解决BEBG存在的边缘节点问题,进一步提出