- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年第十届建模、识别与控制国际会议（ICMIC）- 贵阳（2018年7月2日-2018年7月4日）] 2018年第十届建模、识别与控制国际会议（ICMIC）- 基于FCN和Marching Cubes的CT体数据脊柱自动分割与三维重建
摘要： 脊柱在放射治疗过程中具有重要意义。准确确定脊柱位置可为放疗计划中肿瘤靶区及危及器官的判定提供参考。然而对于CT图像中部分低分辨率区域，传统方法难以实现良好分割效果。由于缺乏医生标注数据，目前利用深度学习方法进行脊柱分割的研究较少。我们采用阈值分割与人工标注方法自制数据集，本文结合全卷积神经网络(FCN)与移动立方体(MC)算法，实现CT图像中脊柱的自动分割与重建。针对FCN在最终一步下采样中丢失大量细节的问题，我们对网络结构进行了改进。研究中使用40例患者数据（30例训练，10例测试），改进后网络最终分割准确率达93%以上。实验结果表明该方法具有良好的分割效果，能更好还原脊柱与肋骨形态。这一初步结果显示，我们的脊柱分割方法在减少放疗CT图像标注人力方面具有很大潜力。
关键词： 全卷积神经网络、脊柱、医学图像、行进立方体算法
更新于2025-09-23 15:22:29
-
一种用于眼底血管分割的粗到细全卷积神经网络
摘要： 眼底血管分析是临床上评估糖尿病视网膜病变和高血压等视网膜疾病发展的重要工具。因此，自动眼底血管分割对于眼科疾病诊断具有重要价值，能够识别并提取相关的对称与非对称模式。此外，由于眼底血管的独特性，该方法还可应用于生物特征识别领域。本文将眼底血管分割重构为像素级分类任务，提出一种新型的由粗到精全卷积神经网络（CF-FCN）用于眼底图像血管提取。该网络通过利用眼底图像中像素间的空间关系，旨在充分利用原始数据信息并弥补神经网络输出的粗糙性。配合必要的预处理与后处理操作，我们在DRIVE、STARE、HRF和CHASE DB1数据集上的实验证实了CF-FCN的有效性与高效性。在DRIVE数据集上，其灵敏度达0.7941，特异度为0.9870，准确率为0.9634，受试者工作特征曲线下面积（AUC）达到0.9787，超越了现有最先进方法。
关键词： 眼底血管分割、条件随机场、扩张卷积、医学诊断、全卷积神经网络
更新于2025-09-23 20:02:09
-
基于全卷积神经网络的光伏背板降解机理检测
摘要： 材料与设备会随时间老化。材料老化与性能退化对材料及系统的使用寿命具有重要影响。虽然学界普遍认同应针对材料退化特性开展研究与设计，但实际运行中的材料检测通常由技术人员人工完成。这种人工检测方式因人为主观因素容易导致研究出现误差与不确定性。本研究聚焦于通过全卷积深度神经网络架构（f-CNN）实现退化机制检测流程的自动化。我们证实该f-CNN架构能对光伏组件（PV）聚合物背板裂缝进行自动检测。该架构通过卷积块（编码器）构成的收缩路径与解码块（解码器）构成的扩展路径，实现了光伏组件背板端到端的语义检测：首先由编码器从输入图像中学习层次化语境特征，再经解码器将这些特征重建为输入图像的像素级预测。我们深入研究了编码器与解码器网络结构，以实现光伏组件背板多类别像素级退化类型预测。经验证，该f-CNN框架在像素级退化类型预测中达到了92.8%的准确率。
关键词： 光伏背板、自动化检测、降解机理、全卷积神经网络、语义分割
更新于2025-09-12 10:27:22
-
空中车道网：基于小波增强代价敏感对称全卷积神经网络的航拍图像车道标线语义分割
摘要： 关于车道标线位置与外观的知识，是创建高精度地图的先决条件——这类地图对自动驾驶、基础设施监测、分车道交通管理及城市规划都至关重要。车道标线是此类地图的重要组成部分，它们向驾驶员传递道路规则。人类通过学习掌握这些规则，而自动驾驶车辆则需要被教会识别标线以实现自身定位。因此，要达成这些目标，就需要对道路和高速公路影像进行精确可靠的车道标线语义分割。我们采用航空影像（通过引入航拍车道标线数据集，在短时间内即可捕捉大范围区域），并提出一种经小波变换增强的对称全卷积神经网络，用于自动执行航拍影像中的车道标线分割。针对车道标线像素与背景像素数量严重失衡的问题，我们采用定制化损失函数及新型数据增强方法。相比前沿技术且无需第三方信息辅助，我们实现了更高精度的车道标线像素级定位。本文首次引入实验所用的高质量数据集，涵盖当今交通系统具有代表性的各类车道标线情境与类别。该数据集将公开发布，可作为该领域未来算法的基准测试集。
关键词： 航拍影像、小波变换、自动驾驶、交通监控、遥感技术、全卷积神经网络（FCNNs）、车道线分割、基础设施监测、地图绘制
更新于2025-09-09 09:28:46