自动分割

摘要： 目的 探究不同多模型迭代重建算法(ASi R-V)与卷积核重建算法参数对基于深度学习的CT自动分割稳定性的影响。方法 选取20例行盆腔放疗的病人,采用不同的重建参数建立CT影像数据集,利用深度学习神经网络对3个软组织器官(膀胱、肠袋、小肠)和5个骨性器官(左、右股骨头,左、右股骨,骨盆)进行自动分割,并以滤波反投影CT的分割结果为参考,比较不同重建CT上自动分割结果的DSC系数和Hausdorff距离。结果 器官的自动分割受ASi R-V参数影响较大,受卷积核参数影响较小,且在软组织中更加明显。结论 基于深度学习的自动分割稳定性会受到CT图像重建算法参数选择的影响,在实际应用中需在图像质量与分割质量中寻求平衡,或者改进分割网络来提高自动分割的稳定性。

摘要： 目的:探讨改进U-Net神经网络模型在甲状腺结节自动分割中的应用价值。方法:优化和改进U-Net神经网络模型,选取2020年7-12月于医院超声科就诊的甲状腺结节患者的超声图像共计1140幅,所有图像均经从事超声诊断工作5年以上医师进行甲状腺结节的人工分割,对其中的860幅甲状腺结节的图像(训练集)进行建模训练,另280幅甲状腺结节的图像(验证集)进行模型验证,对模型分割的准确度进行分析。结果:改进U-Net神经网络模型对甲状腺结节自动分割的Dice相似性系数(DSC)为0.899,交并比(IOU)为0.862,准确度(Acc)为0.995。验证集中的280幅图像总计运行时长为309 s,平均每幅图像的分割时间为1.1 s,识别速度十分迅速。结论:构建的改进U-Net神经网络模型对于甲状腺结节的自动分割具有较好的分割效果和较高的精确度,且分割速度迅速,可大幅度提高甲状腺结节整体的筛查、诊断和治疗效率,具有较高的临床应用价值。

摘要： 目的:基于三维(3D)卷积神经网络和多模态MRI实现脑胶质瘤的自动分割。方法:首先对来自BraTS2020公共数据集的369例脑胶质瘤的4个模态MRI数据进行3D剪裁、重采样、去伪影、归一化的预处理。其次将MRI数据和脑胶质瘤标注信息输入到基于U-net的3D卷积神经网络模型进行训练和测试。利用相似性系数、召回率和精确率评价整体肿瘤区域、核心肿瘤区和增强肿瘤区的分割结果。结果:在74例测试数据集上,整体肿瘤区域、核心肿瘤区域和增强肿瘤区域的相似系数平均值分别为0.88、0.77和0.73,中位值分别为0.90、0.84和0.81,召回率平均值分别为0.88、0.78和0.78,中位值分别为0.90、0.84和0.84,精确率平均值分别为0.89、0.83和0.75,中位值分别为0.91、0.89和0.79。结论:基于U-net的3D卷积神经网络在多模态MRI数据集上获得了较好的分割结果,显示其在脑胶质瘤自动分割方面的潜力,可为临床诊断分级和治疗策略选择提供参考。

摘要： 为解决自然光照环境下复杂背景葡萄叶片图像的自动分割问题,使用一种DeepLab v3+语义分割算法,完成对葡萄叶片分割。该算法采用ResNet 101作为主干网络进行特征抽取;采用空洞卷积和编码模块进行多尺度特征融合,将ResNet的中间信息和编码模块的特征组合作为解码输入;采用上采样的方式进行尺度还原,得到语义分割结果。采用Cityscapes的预训练模型,将300张不同环境下、不同类型的葡萄叶片照片作为训练集,以数据增强的方式进行数据扩容,提高模型的鲁棒性和泛化能力。试验结果证明:本方法有较好的分割效果,在数据增强的方式下精确度(ACC)平均值为98.6%,较全卷积神经网络提高7.3%。对不同类型葡萄叶片分割精确度(ACC)值均高于97%,最高可达98.8%,平均交并比(mIOU)值均高于94%,最高可达97.1%。本算法能够较精准地分割自然光照条件下的葡萄叶片图像,可为后续的病害检测和病斑提取提供参考。

摘要： 静脉超声图像存在噪点多、阈值分割效果不佳的问题,对此本研究提出一种基于ResNet34主干网络的ResNet34-UNet分割网络模型,利用ResNet34网络残差学习的结构特点,在保证网络能够提取充足图像特征的前提下,有效避免梯度消失和网络退化问题,且34层的网络深度维持了较小的网络规模;利用U-Net结构特有的长连接模块,将静脉超声图像的深层特征与浅层特征有效融合,使对静脉的识别精度得到较大幅度的提升,实现了静脉边缘的平滑分割。将300张静脉超声图像作为训练集,200张作为测试集,通过随机旋转、翻转、投影等操作进行数据集的增强,经过10轮迭代训练后得到模型的准确率达96.3%,较全卷积神经网络高5.9%,较DeepLab v3+高5.2%。结果表明基于ResNet34-UNet的分割方法能够准确地分割静脉超声图像,为后续超声影像下静脉的自动识别与跟踪提供了技术参考。

摘要： 目的:通过图像边缘强化以及改进Unet深度学习网络结构提高前列腺自动分割的准确性。方法:随机选取我院50例检查者前列腺核磁扫描图像,以及MICCAI Grand Challenge数据库50例前列腺图像,其中81例作为训练集,10例作为验证集,9例作为测试集。通过旋转不变性相干增强扩散滤波方法(CED-ORI)对图像进行边缘强化,建立双输入收缩路径结构的Unet-Two Input Channel(Unet-TIC)并行提取原始和CED-ORI图像特征,共享一条扩张路径,并通过跳跃连接突出CED-ORI边缘强化的有效特征,获取更多信息增加上采样分辨率。采用Accuracy、Mean DSC、Median DSC、ASD、MSD、RVD 6个指标对Unet、Unet-c和Unet-TIC 3种方法进行评估。结果:Unet-c和Unet-TIC评估指标表现均明显优于Unet,其中表现最好的Unet-TIC相较于Unet,Accuracy提高1.87%,Mean DSC提高1.81%,Median DSC提高1.21%,ASD降低0.32 mm,MSD降低1.63 mm,RVD降低4.64%。直观勾画方面Unet-TIC比Unet更加精准,更能捕捉到复杂的前列腺形状的变换,尤其是辨别混淆性、类似性边界区域。结论:相较于Unet,Unet-TIC在影像器官分割与勾画方面具有更优的表现。

摘要： 目的在探索区域生长与U-Net相结合在视网膜血管分割系统中的应用,通过开发的系统自动分割视网膜血管,为医生提供视网膜血管结构变化的准确信息,提高诊断和治疗的效率。方法结合U-Net网络和区域生长对预处理后的视网膜血管进行自动分割,并通过控件的设计将算法集成到视网膜血管分割系统中。结果血管分割性能指标—准确率、敏感度、特异性的平均值分别为0.9777、0.7684和0.9821,区域生长能够提高细微视网膜血管的分割准确率。结论该系统具有界面简洁、操作方便的特点,实现了高精度、可视化的自动视网膜血管分割,为医师观察视网膜血管结构的变化提供了一种有效的计算机辅助诊断平台,也为医师判断病变性质提供了思考方向。

摘要： 目的实现基于人工智能深度学习方法的脑出血患者CT图像血肿区域自动分割,并评估后处理算法对分割结果的优化效果。方法回顾性分析吉林大学第一医院2018年4月至2020年8月脑出血患者的影像资料,按照纳排标准纳入416例患者的CT图像进行研究,按照比例7∶3随机分为训练集291例和测试集125例。将患者CT图像进行图像预处理、摆正、去骨后,采用本研究提出的深度学习分割网络ADUNET进行训练,实现血肿区域的自动分割。最后使用后处理算法对分割结果进行进一步优化,并通过Dice系数、Hausdorff-Distance(HD)系数等评价指标进行对比分析。结果对比其他两种主流分割网络,本研究提出的ADUNET网络在该数据集上得到了最好的分割结果(平均Dice系数为0.895,平均HD系数为11.62),并且验证了后处理算法可以进一步优化分割结果,提高分割精度(平均Dice系数为0.899、平均HD系数为11.33)。结论本研究提出的ADUNET分割网络与后处理算法可以实现基于CT图像的脑出血区域自动分割及优化,该方法可提高诊断效率、优化诊断流程,具有较高的临床应用价值。

摘要： 智能化的普及对图像编辑提出了新需求,海报作为一种以图像形式传递信息的方式,在日常生活和工作管理中起着重要的作用。海报的制作需要多元素图像进行合成,目前缺少一种交互式的、一键式的图像合成系统,因此,结合当前流行的图像处理技术,设计并实现了一款海报自动合成系统。提出了一种基于关键字的图像检索方案,构建基于文本和内容的双重过滤方案,为用户提供精准快捷的图像检索手段;通过对大量精心设计的海报图像统计构图规律并引入美学常识的构图规则,提出了一种基于双向规则的人像布局推荐方案;在双向规则的共同作用下辅助用户进行人像布局设计。实验结果表明:所提方案能够稳定高效地运行,用户能够通过简单的交互操作实现图像合成,最终图像合成的效果真实有效。

摘要： 目的:在图像分割的深度学习算法Unet网络基础上建立双通道Unet(DUnet)深度学习结构模型,以提高前列腺器官图像自动分割的准确性。方法:选取100例受检者的前列腺核磁扫描图像,其中50例来自医院图像资料系统,50例来自国际医学图像计算和计算机辅助干预(MICCAI)Grand Challenge数据库。100例受检者的扫描图像中81例为训练集,10例为验证集,9例为测试集。采用相干增强扩散(CED)算法对原始图像纹理和边缘进行强化,通过跳跃连接突出有效特征,获取更多多维信息增加上采样分辨率。建立双通道收缩路径和扩张路径形成对称结构DUnet,并行提取和学习原始图像以及CED图像特征,将双通道输出特征图融合得到分割图像。采用整体的Dice系数(Accuracy)、以扫描对象为单位的Dice相似系数平均值(Mean DSC)、Dice相似系数中位值(Median DSC)、平均表面距离(ASD)、最大对称表面距离(MSD)和相对体积差(RVD)6项指标对DUnet、Unet^(#)(原始图像)和Unet^(*)(CED图像)3种方法进行评估。结果:DUnet、Unet^(#)表现均优于Unet^(*)。表现最好的DUnet相较于Unet^(#),Accuracy提高1.28%,Mean DSC提高1.43%,Median DSC提高0.86%,ASD降低0.2 mm,RVD降低2.66%。直观勾画方面,DUnet自动勾画与医生手动勾画吻合度更高,勾画更加精准。DUnet在前列腺器官边界起伏区域更能捕捉到其形状的变换,对混淆性、相似性边界区域也有更好的辨别。结论:DUnet模型在突出其纹理和边缘强化特征的同时,弥补了强化效果导致精细结构的损失,在前列腺图像分割与勾画方面较Unet具有更优的表现。

摘要： @@在计算机图形学领域中，模型的自动分割技术有着越来越重要的意义，网格模型分割技术在模型简化，参数化及纹理映射等方面有着广泛的应用。网格分割有利于实现网格操作的区域化及并行化，提高网格处理的效率，而其中符合模型表面特征的网格分割，能够利用网格的特征线和特征点生成网格分割边界线，降低网格分割所带来的失真及信息丢失。

摘要： 免疫组化显微图像中阳性细胞区域的自动分割和提取有着非常重要的临床意义。本文针对免疫组化显微图像的特点，提出了一种适合其自动分割的方法。首先在原始RGB图像基础上调整饱和度和明亮度，使阳性细胞区域得到了加强，呈现红色，增强了与其他区域的对比度；在此基础上，根据CIE-XYZ颜色模型及其色度图，在RGB彩模型中进行图像色调分割的方法筛选出阳性细胞；最后基于彩色图像进行数学形态学运算来消除一些孤立点和空洞现象。该方法能准确分割出图像中的阳性细胞，辅助医生诊断，而且无需进行彩色空间的转换，算法复杂度低，分割效率快。

摘要： 为了准确地提取内波的波长等参数，必须先把内波区域分割出来，为此本文提出了一种基于方向匹配的Gabor滤波器的Modis内波纹理图像的自动分割.本算法主要分为两个步骤:第一，通过分析内波纹理图像傅里叶变换的能量谱求出内波的方向，并根据方向得到Gabor滤波器组；第二，用Gabor滤波器组对内波纹理图像进行通道滤波得到滤波图像，平滑滤波图像得到特征图像，由特征图像得到内波纹理图像中各点的特征向量，对特征向量进行K均值聚类，除去内波区域中的噪音区域，得到最终的内波分割结果.大量的实验结果表明该方法能够准确有效地实现对内波纹理图像的分割.

摘要： 卫星云图自动分割是实现卫星云图系自动识别的基础.选用1992～1994年和1997～1998年夏季有典型天气系统的177幅GMS红外云图建立了云系模型库,云系分类样本3079个,包含16类云系,云系分割样本2764个.利用云系分割样本集进行神经网络试验,训练集为从32幅云图中抽取的484个样本,测试集为从145幅云图中抽取的2280个样本,神经网络模型训练正确率达到98.8﹪,测试正确率为86.4﹪.用1997年7月18～21日和1998年6月15～17日的两组卫星云图做自动分割应用试验,结果经专家判识,正确率达到90﹪以上.本文的工作表明:用多阈值和人工神经网络相结合方法对卫星云图进行在实际应用中是可行的.卫星云图自动分割系统的输入是GMS红外云图,输出是分割出的每一个云区,同时还包括云区的加界链码、起始点、周长、面积、并保留了原始图像数据.在下一步的云系识别过程中,可以在此基础上进行云系识别试验.

摘要： 卫星云图自动分割是实现卫星云图云系自动识别的基础，也是实现卫星资料降水估计自动化的基础。选用1992~1994和1997~1998年夏季有典型天气系统的177幅GMS卫星红外云图建立了云系模型库，云系分类样本3079个，包含16类云系，云系分割样本2764个。利用云系分割样本集进行神经网络试验，训练集为从32幅云图中抽取的484个样本，测试集为从145幅云图中抽取的2280个样本，神经网络模型训练正确率达到98.8%，测试正确率为86.4%。用1997年7月18~21日和1998年6月15~17日的两组卫星云图做自动分割应用试验，结果经专家判识，正确率达到90%以上。本文的工作表明：用多阈值和人工神经网络相结合方法对卫星云图进行云分割在实际应用中是可行的。rn卫星云图自动分割系统的输入是GMS卫星红外云图，输出是分割出的每一个云区，同时还包括云区的边界链码、起始点、周长、面积，并保留了原始图象数据。在下一步的云系识别过程中，可以在此基础上进行云系分类识别试验。

摘要： 随着消费级RGB-D设备的普遍使用,室内场景三维扫描数据更易获取,但通过此类低分辨率设备获取的点云数据通常带有噪声且缺失严重.为此,基于单幅RGB-D扫描点云数据,提出一种室内场景基元提取与自动分割方法.首先对RGB-D扫描数据进行预处理,自动检测场景中的墙面、天花板、地板等结构,并对点云进行降采样和离群点滤波处理;然后利用几何基元对剩余点云进行抽象,通过几何基元的组合来鲁棒地表示室内物体和部件,有效地减少大规模扫描数据处理的计算量;最后根据每个基元的几何和颜色特征描述符以及基元之间的几何关系,采用基于图的分割算法对基元进行组合实现室内场景物体的自动分割和提取.实验结果表明,该方法可以有效、鲁棒地抽象并分割杂乱的室内场景.

摘要： 本文利用CT图像窗宽、窗位变化特性和颅脑解剖结构上的特点，使用FCM扩展算法对颅脑CT图像进行分割，得到头皮、颅骨、脑室的正确区域和轮廓，实现了对人颅脑结构的自动提取，为下一步构建头部真实边界有限元模型奠定基础。

摘要： 冷冻电镜是研究生物大分子结构的重要手段，本文研究了冷冻电镜技术的关键问题之一，重构三维密度数据的分析问题。我们研究设计了一个冷冻电镜重构数据的可视分析系统-VAT4M。VAT4M把体绘制引入该数据的可视化中，研究了基于GPU硬件加速的raycasting算法，帮助生物学家快速轻松的发现隐含的数据内涵。在数据分析处理方面，利用了病毒结构的特点，提出了自动分割算法和骨架搜索算法。最后给出了应用实例。

摘要： 医学图象中,器官的边界形状,大小具有重要的诊断价值.快速准确地从图像数据中提取出感兴趣目标一直是图象处理工作的重点和难点之一。 基于形变模型分割的基本思想是先给定一封闭的初始轮廓，然后初始轮廓在一系列的约束条件下停止在物体的边缘直到完全分割。早在七八十年代就有人提出，Kass于1988发表了关于活动轮廓模型的文章，至今这种方法己经发展成为图象分割研究中最活跃的领域之一。本文阐述了Sethian和Osher等人提出的Level set方法的基本原理和Narrow Band快速算法,并进行部分改进及编程实现，最后进行了总结和提出了改进方面的看法.

摘要： 牛肉图像中背长肌区域的分割和大理石纹提取是计算机视觉评定牛肉胴体等级和牛肉嫩度的重要步骤。本文研究了利用数学形态学的方法来分割牛肉眼肌切面图像中背长肌区域并将大理石纹提取出来的技术。眼肌切面图像经过去除背景并进行肌肉和脂肪像素识别等预处理后，再用形态学腐蚀与膨胀相结合获得背长肌区域图像，通过图像逻辑运算提取大理石纹。结果表明，这种方法能有效地把背长肌区域与其周围肌肉组织分离开来并提取大理石纹。

摘要： 本发明涉及图像处理技术，特别涉及一种基于近邻函数准则的初始分割边界的自动优化方法包括步骤：检测初始的分割边界点并用阿拉伯数字按初始分割区域标记；对每一个边界点，计算某邻域内的近邻函数值；根据近邻函数值计算当前边界点的隶属函数值；根据隶属函数值进行边界点的再分类，获得优化的分割边界；重复实施上面步骤，确保整幅图像的分割边界都达到优化的效果。本发明方法模拟人眼在处理图像时的某些功能，能自动地对不准确的分割边界进行优化，并有效地克服了图像噪声、局部容积效应、强度重叠和强度不均匀性的影响，对现有的分割算法是一个很好的补充。在医学图像分割，遥感图像分割，目标识别等领域有着重要的应用价值。

摘要： 本发明公开了一种语义分割网络构建方法，包括构建短期连接单元；堆叠得到编码器；构建像素级注意力模块；进行上采样构建解码器；结合编码器和和解码器得到语义分割网络；构建细节引导模块用于对语义分割网络进行训练；完成语义分割网络的构建。本发明还公开了包括所述语义分割网络构建方法的语义分割方法，以及包括所述语义分割方法的自动驾驶方法。本发明提供的这种语义分割网络构建方法、语义分割方法及自动驾驶方法，通过创新的语义分割网络的设计和构建，不仅实现了语义分割网络的建立和对应的语义分割，而且本发明方法的可靠性更高，精度更高，而且资源消耗更少。

摘要： 用于使用多个解剖结构、指令和分割模型在医学图像中进行解剖结构分割的系统和方法。一种用于自动图像分割的基于网络的系统包括处理器，该处理器被配置为：经由网络访问不同图像分割模型的库；选择和应用图像分割模型的全部或子集以被用于对由用户经由用户界面选择的一个或多个解剖结构进行轮廓化；以及组合不同分割模型效果的结果。

摘要： 本发明公开了一种淡水鱼分割系统的自动调姿设备，其包括：调姿舱，其侧壁上开设有舱门；翻身架，其设置在所述调姿舱内，所述翻身架包括连接至转轴上的第一夹板和第二夹板，所述第一夹板和第二夹板之间的间距小于待分割鱼体的宽度；停鱼平台，其包括用于放置待处理鱼体的平板，用于采集所述平板上鱼体状态的图像抓取装置以及将鱼体推入所述调姿舱内的推板；以及控制系统，其识别所述图像抓取装置的图像并判断鱼体姿态，根据所述鱼体姿态控制所述翻身架逆时针或顺时针旋转90度。本发明能够用于去鳞机与鱼分割装置间的鱼体转运，自动实施鱼体鱼背鱼腹定向及转运功能，提高鱼前处理的效率和质量。本发明还提供了一种淡水鱼分割系统。

摘要： 本发明涉及图像处理技术，特别涉及一种基于近邻函数准则的初始分割边界的自动优化方法包括步骤：检测初始的分割边界点并用阿拉伯数字按初始分割区域标记；对每一个边界点，计算某邻域内的近邻函数值；根据近邻函数值计算当前边界点的隶属函数值；根据隶属函数值进行边界点的再分类，获得优化的分割边界；重复实施上面步骤，确保整幅图像的分割边界都达到优化的效果。本发明方法模拟人眼在处理图像时的某些功能，能自动地对不准确的分割边界进行优化，并有效地克服了图像噪声、局部容积效应、强度重叠和强度不均匀性的影响，对现有的分割算法是一个很好的补充。在医学图像分割，遥感图像分割，目标识别等领域有着重要的应用价值。

摘要： 本实用新型公开了一种淡水鱼分割系统的自动调姿设备及该分割系统，其中，自动调姿设备包括：调姿舱，其侧壁上开设有舱门；翻身架，其设置在所述调姿舱内，所述翻身架包括连接至转轴上的第一夹板和第二夹板，所述第一夹板和第二夹板之间的间距小于待分割鱼体的宽度；停鱼平台，其包括用于放置待处理鱼体的平板，用于采集所述平板上鱼体状态的图像抓取装置以及将鱼体推入所述调姿舱内的推板；以及控制系统，其识别所述图像抓取装置的图像并判断鱼体姿态，根据所述鱼体姿态控制所述翻身架逆时针或顺时针旋转90度。本实用新型能够用于去鳞机与鱼分割装置间的鱼体转运，自动实施鱼体鱼背鱼腹定向及转运功能，提高鱼前处理的效率和质量。

摘要： 本发明提供了一种智能调节分割长度的铝基板自动分割装置，属于铝基板分割装置技术领域，包括安装组件、移动机构和切割机构。移动机构包括第一电机、丝杆、支撑板、移动块和移动架，第一电机固定于固定块，丝杆固定于第一电机，移动块传动连接于丝杆，移动架固定安装于移动块。切割机构安装在移动架上，切割机构包括第一驱动件、第一安装板、直线电机、第二电机和切割刀片，第一驱动件固定安装于移动架的顶端，第一安装板固定安装于第一驱动件，直线电机固定安装于第一安装板，第二电机固定安装于直线电机，切割刀片固定安装于第二电机。上述装置能够实现自动调节切割长度，然后自动分割，无需人工调节，智能化程度高，工作效率高。

摘要： 本发明属于医学图像分割技术领域，公开了一种基于DNN的胰腺全自动分割模型的构建、分割方法及系统。本发明克服现有技术中存在的胰腺分割过程中对医生先验知识的依赖问题以及胰腺分割预测结果精度较低的问题，提供一种从标签空间中感知胰腺位置先验知识，在实现对分割目标的精准定位的基础上，进一步通过更细粒度的分割保证胰腺分割结果与标签的形状一致性，有效地提高胰腺分割的精度。

摘要： 本发明涉及机械技术领域，具体是涉及一种智能调节分割长度的铝基板自动分割装置，包括：机架；送料装置，设置于机架的一端，送料装置沿着机架的长边方向朝向另一端滑动设置；切割装置，固定安装于远离送料装置的另一端，切割装置呈竖直设置，切割装置的输出端朝向机架设置；清理装置，固定安装于切割装置的顶端，清理装置沿着切割装置的长边水平设置；调节装置，与机架的短边水平设置，调节装置固定安装于清理装置的输出端的旁侧；下料装置，呈竖直状态设置，下料装置固定安装于切割装置的正下方，本设备可以自动化切割铝基板，而且可以对切割长度具有可控性可以很具所需自行调节。

摘要： 本发明提供了一种智能调节分割长度的铝基板自动分割装置，属于铝基板分割装置技术领域，包括安装组件、移动机构和切割机构。移动机构包括第一电机、丝杆、支撑板、移动块和移动架，第一电机固定于固定块，丝杆固定于第一电机，移动块传动连接于丝杆，移动架固定安装于移动块。切割机构安装在移动架上，切割机构包括第一驱动件、第一安装板、直线电机、第二电机和切割刀片，第一驱动件固定安装于移动架的顶端，第一安装板固定安装于第一驱动件，直线电机固定安装于第一安装板，第二电机固定安装于直线电机，切割刀片固定安装于第二电机。上述装置能够实现自动调节切割长度，然后自动分割，无需人工调节，智能化程度高，工作效率高。