3D多尺度深度卷积神经网络肺结节检测

目的 肺结节是肺癌的早期存在形式。低剂量CT（computed tomogragphy）扫描作为肺癌筛查的重要检查手段,已经大规模应用于健康体检,但巨大的CT数据带来了大量工作,随着人工智能技术的快速发展,基于深度学习的计算机辅助肺结节检测引起了关注。由于肺结节尺寸差别较大,在多个尺度上表示特征对结节检测任务至关重要。针对结节尺寸差别较大导致的结节检测困难问题,提出一种基于深度卷积神经网络的胸部CT序列图像3D多尺度肺结节检测方法。方法 包括两阶段：1）尽可能提高敏感度的结节初检网络;2）尽可能减少假阳性结节数量的假阳性降低网络。在结节初检网络中,以组合了压缩激励单元的Res2Net网络为骨干结构,使同一层卷积具有多种感受野,提取肺结节的多尺度特征信息,并使用引入了上下文增强模块和空间注意力模块的区域推荐网络结构,确定候选区域;在由Res2Net网络模块和压缩激励单元组成的假阳性降低网络中对候选结节进一步分类,以降低假阳性,获得最终结果。结果 在公共数据集LUNA16（lung nodule analysis 16）上进行实验,实验结果表明,对于结节初检网络阶段,当平均每例假阳性个数为22时,敏感度可达到0.983,相比基准ResNet + FPN（feature pyramid network）方法,平均敏感度和最高敏感度分别提高了2.6%和0.8%;对于整个3D多尺度肺结节检测网络,当平均每例假阳性个数为1时,敏感度为0.924。结论 与现有主流方案相比,该检测方法不但提高了肺结节检测的敏感度,还有效地控制了假阳性,取得了更优的性能。     

面向甲状腺结节超声图像分割的多尺度特征融合“h”形网络

目的 准确定位超声甲状腺结节对甲状腺癌早期诊断具有重要意义,但患者结节大小、形状以及位置的不确定性极大影响了结节分割的准确率和模型的泛化能力。为了提高超声甲状腺结节分割的精度,增强泛化性能并降低模型的参数量,辅助医生诊断疾病,减少误诊,提出一种面向甲状腺结节超声图像分割的多尺度特征融合“h”形网络。方法 首先提出一种网络框架,形状与字母h相似,由一个编码器和两个解码器组成,引入深度可分离卷积缩小网络尺寸。编码器用于提取图像特征,且构建增强下采样模块来减少下采样时造成的信息损失,增强解码器特征提取的能力。第1个解码器负责获取图像的初步分割信息;第2个解码器通过融合第1个解码器预先学习到的信息来增强结节的特征表达,提升分割精度,并设计了融合卷积池化金字塔实现多尺度特征融合,增强模型的泛化能力。结果 该网络在内部数据集上的Dice相似系数（Dice similarity coefficients, DSC）、豪斯多夫距离（Hausdorff distance,HD）、灵敏度（sensitivity,SEN）和特异度（specificity,SPE）分别为0.872 1、0.935 6、0.879 7和0.997 3,在公开数据集DDTI（digital database thyroid image）上,DSC和SPE分别为0.758 0和0.977 3,在数据集TN3K（thyroid nodule 3 thousand）上的重要指标DSC和HD分别为0.781 5和4.472 6,皆优于其他模型。结论 该网络模型以较低的参数量提升了甲状腺超声图像结节的分割效果,增强了泛化性能。     

快速有效的半自动组织分割技术

针对医学可视化和虚拟内窥镜技术中的组织分割问题，提出边界模型和局部特征结构相结合的半自动解决方法，通过给定的特定体素点，结合边界模型找出特定组织的内部、外部体素，对边界体素计算汉森矩阵的特征值并按其特征结构进行分割．该方法只需要计算边界体素汉森矩阵的特征值，能够快速、有效地实现单一组织的分割．     

微机可屏蔽中断系统的分析及应用

分析了与中、高档微型机可屏蔽中断系统有关的硬件级联结构、中断系统的端口地址、中断向量的定义、中断系统初始化，并以方正ＭＭＸ１６６为例，给出了应用中应注意的问题及具体例子。     

虚拟内窥镜实时体绘制技术研究

针对虚拟内窥镜技术中空体素较多和近景因素对视觉影响较大的特点，将一帧场景的绘制分为近景和远景两个部分．近景与远景的绘制分别采用加速的光线投射和改进的快速对象投影方法处理，较大地提高了当前帧的绘制速度；利用相邻帧的连贯性特点，将当前帧远景的绘制结果进行变换，得到下一帧远景的部分绘制结果，进一步提高了漫游的实时性。     

加速透视投影体绘制技术研究

针对可视化中透视体绘制计算量大、耗时较长的不利因素,算法将三维体数据集按照三种主要的观察方向(X,Y,Z)抽取出切片数据,对切片数据进行错切操作,设立一个与切片平行的中间图像平面;在绘制中间图像时使用图形硬件所提供的纹理混和功能;最终图像经过中间图像的变形而得到,从而使绘制速度得到了较大提高。     

利用经验模态分解及小波变换压制微震信号中的随机噪声

随机噪声的压制是微震信号分析过程中的重要环节,目前大多数降噪技术都不同程度的存在去噪效果差、易损伤有效信号等问题。针对微震信号的随机非平稳特征,提出一种联合经验模态分解(EMD)及小波阈值的降噪方法,压制微震信号中的随机噪声。该法首先使用EMD对微震信号进行自适应分解,得到有限个本征模态函数(IMF)。考虑到随机噪声主要集中在高频IMF分量中,基于噪声能量突变原则找出低频IMF分量与高频IMF分量的分界后,利用小波阈值方法对高频IMF进行降噪处理,最后将降噪后的高频IMF分量与剩余的低频IMF分量重构即可实现微震信号降噪。仿真分析及实验结果表明,该方法能充分保留微震信号的随机非平稳特征,较对比方法具有更好的降噪效果。     

一种新的抽取中心路径算法

在基于距离变换的基础上，设计了一种新的快速算法．该算法不但能处理单分支结构的对象，还能处理多分文结构的对象．根据起点或已找到的中心路径上的当前点与终点的位置关系，确定下一中心点所在切平面的位置，在两维切平面中计算体素到表面的距离，将局部最大值(距对象表面的距离大于邻近体素的距离)作为中心路径上的体素点．还提出了删除中心路径中多余分文的方法，确保中心路径也是惟一的．     

体绘制技术在医学可视化中的新发展

科学计算可视化体绘制算法能反映出体数据的内部信息，在医学，它已经从辅诊断发展成为辅助治疗的重要手段，体可视化技术是医学可视化的重要研究内容，其处理过程包括体数据的获取，模型的建立，数据的映射，绘制等操作，该文介绍了医学可视化中常使用的几种光照模型，针对基于图象空间和对象空间两种体绘制算法，介绍了它们的基本思想方法，并详细阐述了在近期的主要加速技术和提高图象质量方法的新进展，最后给出了实验数据和结论。     

基于边界体素的Shear-warp Splatting体绘制算法

将错切空间中体素投影到中间图像平面的过程中,要影响到该体素对应象素周围的其它象素,该文重新设计了计算对应象素权值的简单方法,使结果图像的质量与最近邻点投影方法相比有较大提高。为了加速体绘制,方法是先找出切片数据集中包围同种物质的边界体素,由于被这一边界所包围的体素有相同的属性,可以一次投影这一体素块,从而提高了绘制速度。文章还设计了低、中、高三种不同分辨率的投影模式,可根据需要选择一种。在数据结构上,使用了索引和游程编码方式,缩减了存储容量并加快了查找边界体素的速度。