【摘 要】
：
医学图像分割的主要任务是将图像中的目标器官组织准确提取出来,为诊断或临床治疗提供辅助参考。近年来,基于深度学习的图像分割算法因其卓越的性能,而被广泛用于医学图像分割领域。此外,得益于相关理论以及硬件的快速发展,学者们提出了基于2D-CNN、3D-CNN以及Transformer的多种分割模型,这些模型在较大的器官组织（肺部、肝脏、心脏等）分割中取得了不错的效果。然而,医学图像分割中仍存在很多难点:
论文部分内容阅读
医学图像分割的主要任务是将图像中的目标器官组织准确提取出来,为诊断或临床治疗提供辅助参考。近年来,基于深度学习的图像分割算法因其卓越的性能,而被广泛用于医学图像分割领域。此外,得益于相关理论以及硬件的快速发展,学者们提出了基于2D-CNN、3D-CNN以及Transformer的多种分割模型,这些模型在较大的器官组织（肺部、肝脏、心脏等）分割中取得了不错的效果。然而,医学图像分割中仍存在很多难点:1)在小器官组织的分割中,图像中的目标区域与非目标区域存在正负样本不平衡,使得模型难以学习到有效特征,无法有效优化模型参数。2)在医学图像中,存在部分难以分割的样本,模型往往会学习到较易分割样本的特征,而忽视这类样本（临床上的特殊病变,具有较高的研究价值）。加强对此类样本的有效提取,能使模型具有更高的临床应用意义。3)医学图像分割模型中的多次下采样,会造成目标区域边缘细节等信息的丢失,从而使得组织器官的分割结果较差。针对上述问题,本文基于深度神经网络对医学图像分割算法进行了研究与实现,主要研究成果如下:1)针对医学图像分割中的样本不平衡问题。本文提出了一种针对正负样本以及难易样本的选择策略,在训练过程中对训练样本进行动态调整。正负样本选择策略加强了正样本对模型的贡献,提高了整体分割效果。难易样本选择策略加强了模型对困难样本特征的学习,使得模型提升了对特殊病例的分割效果。2)为了提升器官组织边缘的分割精度,建立了一种以编码器-解码器网络结构为基础的分割模型,针对网络各层加入注意力机制、特征增强、深层监督等模块。使得模型对器官组织边缘特征能进行更加有效地提取。
其他文献
本文主要探究深度学习目标检测算法在缺陷检测方向的应用,研究内容分为两部分,分为桥梁病害检测和摄像模组脏污检测。在桥梁病害检测方面,桥梁在世界的发展历史悠久,已成为了人民生活的重要组成部分。在桥梁运行过程中难免会出现各种病害等,所以对桥梁可能出现的病害进行检测是一项非常重要的任务。传统的人工桥梁病害检测方法专业性强、检测成本高、准确度不够,因此,利用机器视觉技术开发一种稳定高效的桥梁病害检测方法迫在
坩埚下降法又称布里奇曼晶体生长法,是一种常用的晶体生长方法。这种方法常用于制备碱金属和碱土金属卤化物和氟化物单晶。由于可以把原料密封在坩埚里,减少了挥发造成的泄漏和污染,使晶体的成分容易控制;操作简单,可以生长大尺寸的晶体。可生长的晶体品种也很多,且易实现程序化生长。但是在晶体生长过程中难于直接观察。难以建立晶体缺陷产生与演变规律,不能控制晶体缺陷的形成。其根本原因在于无法实时获取晶体生长的固-液
数字图像作为一种信息载体,具有直观性、灵活性强等特点,被广泛应用在网络通信等领域。但数字图像容易被非法复制和传播,这给军事、医疗等敏感场景下的数据传输与存储带来较大的安全隐患,所以维护数字图像的安全尤为重要。密文图像信息隐藏是以密文图像为载体的信息隐藏技术,同时做到了载体图像内容保护和秘密信息嵌入,具有广泛的应用前景。但目前密文图像信息隐藏算法通常难以平衡嵌入容量和载体图像的恢复质量,实现较好的综
交通流量预测是缓解交通拥堵的方法之一,而交通流量受到多种因素的影响,使得准确预测交通流量具有非常大的挑战性。目前大多数的交通流量预测方法使用图卷积网络和长短期记忆网络等不同的组件分别获取交通流量的时间相关性和空间相关性。最近出现了只用时空图图卷积来同步处理时空相关性的交通流量预测模型,它们通过构建局部时空图来学习交通流量数据的时空相关性。但是这些模型存在以下问题:第一,这些模型仅使用连续时刻的流量
磁耦合无线电能传输（Wireless Power Transfer,WPT）系统通过电磁场或电磁波载能/传能原理,结合谐振技术可以在一个较远的距离内为用电设备无线供电,具有安全无接触的优点,耦合机构是WPT的关键。然而,耦合机构的传能性能对于能量接收（拾取）机构的位置姿态都较为敏感,偏差较大时就会导致输出功率大幅下降。对于一些需要在空间中移动或转动的用电设备的无线供电,传统的耦合机构模式对能量传输
流量仪表标定装置是计量部门和仪器生产厂商进行检定测试的重要设备。在多批量、高精度的标定场景下,任何设备老化及零部件的微小改变都有可能影响标定精度。因此,实现标定装置运行状态的实时监测、健康程度的快速评估,对提升标定装置稳定性、可靠性、企业生产效率及产品质量有重要意义。本文对某仪表公司的液体流量仪表标定装置进行调研分析,针对运行状态监测不全面、设备健康程度掌握不及时等问题,展开了对流量仪表标定装置监
二维矩形条装箱问题（Two-dimensional strip packing problem,简称2DSPP）是一个NP难的组合优化问题,它在现实世界的许多领域都有应用,比如在货物的装载、内存的管理、玻璃的切割加工等有实际需求。目前,求解2DSPP的启发式算法是以改进初始解的改进启发式算法为主。这类算法中,能有效扩大搜素范围的启发式算法不仅能够改进解的质量,同时也能提高求解的效率。膜计算是受生物
近年来,第五代移动通讯技术（5G）的快速普及和边缘基站加速建设,将移动边缘计算（MEC）从概念逐渐落地为助力新兴移动应用、创新人机交互方式、加速物联网大数据治理、完善工业生态的重要基石。移动边缘计算是由云计算演进出的一种新的计算框架,相比于传统云计算,移动边缘计算将计算任务负载从远程云转移到了更靠近用户的网络边缘节点,利用无线接入网络就近为移动终端设备提供各种所需的服务与云端计算功能,从而创造出一
随着信息科学技术与传统工业技术的相互融合,涡扇发动机朝着复杂化、大型化发展。然而,传统维护方式存在着维护过度与维护欠缺等问题,难以胜任涡扇发动机的维护需求。因此,故障预测与健康管理（Prognostics and Health Management,PHM）应运而生。剩余可用寿命（Remaining Useful Life,RUL）预测是PHM的关键技术之一,若能准确预测设备RUL,据此作出合理的
随着边缘计算技术的快速发展,网络边缘接入用户和设备数量急剧上升,海量隐私和敏感数据产生在边缘设备上,边缘计算环境下频繁的数据交换过程带来了大量的数据安全传输需求。然而,资源受限的边缘设备无法满足传统加密技术的资源需求,如何在资源受限设备上保证数据传输的安全性已成为了一个难题。轻量级加密技术使用实现成本较低的密码结构以及加密算法,利用少量资源开销为资源受限设备提供安全性,其具有低存储需求、低执行时间