【摘 要】
：
医学图像配准技术是医学图像处理领域中一个重要的研究问题。传统的配准方法需要通过重新迭代优化目标函数实现配准,计算速度缓慢,同时迭代也容易陷入局部最优。现有基于深度学习的方法具有局部权值共享的特殊结构、良好的容错能力和自学能力,能有效地克服传统配准方法的局限性,但对于较大形变和组织器官的非线性形变的医学图像,其配准效果不理想;同时还依赖于大量的训练数据,实际上医学影像数据稀缺、标签信息很难获得、并且
【基金项目】
：
国家自然科学基金（No:61462065）复杂场景中基于分数阶微积分的局部形状匹配方法研究；
论文部分内容阅读
医学图像配准技术是医学图像处理领域中一个重要的研究问题。传统的配准方法需要通过重新迭代优化目标函数实现配准,计算速度缓慢,同时迭代也容易陷入局部最优。现有基于深度学习的方法具有局部权值共享的特殊结构、良好的容错能力和自学能力,能有效地克服传统配准方法的局限性,但对于较大形变和组织器官的非线性形变的医学图像,其配准效果不理想;同时还依赖于大量的训练数据,实际上医学影像数据稀缺、标签信息很难获得、并且配准方法在跨域数据集上泛化能力不足。本文针对上述问题,展开了如下三方面的工作:（1）提出结合密集残差块和生成对抗网络的图像配准方法,用于多模态医学图像的非刚性配准。算法首先将密集残差块引入到生成器网络,能提取待配准图像对的更多高层特征信息,从而提高配准精度;然后在GANs中采用最小二乘损失代替逻辑回归构造的交叉熵损失,由于最小二乘损失的收敛条件更严格,同时能缓解梯度消失和过拟合,从而提高配准模型的稳定性;此外,在判别器网络中引入Ra GAN,即在标准判别器的基础上增加一项梯度惩罚因子,降低判别器的判别误差,从而相对地减少模型的配准误差,辅助性地稳定配准精度;最后在眼底视网膜数据集上进行训练和验证,并在心脏数据集和脑部数据集上进行泛化性能测试。理论分析和实验结果均表明,本文配准模型在配准精度和泛化能力均得到一定程度的提升,适合存在较大非刚性形变的医学图像配准。（2）提出结合增强型对抗自动编码器和优化的条件生成对抗网络的训练数据集合成方法,用于扩增医学图像数据集。算法首先在原始AAE的基础上增加风格编码器,得到信息特征更丰富多样的重建血管树图像,再将其与视网膜外轮廓掩码结合作为改进CGAN模型的输入,获取丰富多样的眼底视网膜图像以扩充训练数据集,从而提高配准模型的精度和泛化能力;然后在GANs中采用最小二乘损失代替逻辑回归构造的交叉熵损失,促使合成模型在最优参数处达到收敛,缓解过拟合,从而提升数据合成模型的稳定性。理论分析和实验结果均表明,本文数据合成模型能有效地扩充医学图像的训练数据集,使训练数据集的图像更丰富多样。（3）为了验证本文合成数据集在医学图像配准领域的有效性,首先将本文的待配准模型在本文合成数据集上进行训练和验证,得到预配准的训练模型,然后在多模态的脑部数据集和肝脏数据集上进行配准泛化性能测试,并与主流的医学图像配准算法进行对比实验验证。理论分析和实验结果均表明,用本文提出的合成模型对医学图像数据集进行扩增后,配准模型在配准精度和泛化能力均进一步提高。
其他文献
乳腺癌作为女性最常见的恶性肿瘤之一,早发现,早治疗对于降低患者的死亡率和提高治愈率以及生存率具有重要的意义,但是目前国内优质医疗资源供给不足,医疗成本高,专业医生培养周期长,工作强度大,容易导致较高的误诊率。针对这样的医疗现状,本文采用深度学习技术作为理论基础,基于卷积神经网络（CNN）分别研究乳腺X线影像描述的文本分类方法和病理图像的图像分类方法,以辅助医生完成乳腺癌的诊断过程,提高医生的工作效
近年来,针对枯燥单调的传统下肢康复训练,国内外许多学者将虚拟现实技术应用到康复训练系统中,用以提高康复效率,但由于虚拟现实技术的局限性,基于虚拟现实的康复治疗方式目前还没有得到广泛的应用。混合现实作为继虚拟现实之后的新技术,不但继承了虚拟现实的各种优点,而且将人、虚拟环境和真实世界三者联系在一起,因此在需要与真实世界进行互动的活动中,混合现实显然更具优势。将混合现实技术应用到下肢康复训练领域中具有
人类视觉系统（HVS）具有高效接收视觉信息并将各种视觉信息整合起来的结构,能够高效地完成轮廓检测等视觉任务。从生物视觉通路的角度分析,外界图像首先要经过神经节细胞,然后在通过外膝体到达视皮层。生理学上的研究表明在初级视皮层中高一级神经元可由下级神经元有序地汇聚形成,因此,初级视皮层中的简单细胞具有外膝体细胞的特性。为了进一步模拟视觉通路中多种视觉信息共同处理机制,本文将双目视觉处理机制和感受野动态
随着硬件设备的不断发展与大数据的出现,使得人工智能技术成为未来移动机器人发展的重要方向,而如何将深度学习算法运用于移动机器人也成为了新的难点。一方面,尽管高计算性能硬件设备不断发展,其体积依然较大,会严重增加移动机器人的体积与负载;另一方面,深度学习算法准确率远高于传统算法,然而,其实时性却堪忧。为此,本文对将深度学习检测与跟踪算法运用于移动机器人来提高陆上移动机器人对近场浅水动态目标检测与跟踪效
太阳电池阵机构作为航天器的主要供能装置,为航天器提供动力源,是航天器必不可少的组成部分,随着我国深空探测任务的进行,深空探测任务对太阳电池阵的依赖越来越重和对供电需求逐渐增加,急需研制出能提供足够电推动功率的供能系统,因此,开展对大面积、轻量化、大折展比的太阳电池阵机构的研究将对未来国家航天事业发展具有重要意义。本文根据我国目前已有的研究成果,设计一种大面积、大折展比的薄膜太阳电池阵机构。首先,本
随着锂离子电池产业及电池应用行业的不断扩大,尤其在新能源电动汽车、无人机、电子产品等领域应用的快速增长。由锂离子电池引起的安全问题频出,使得对锂离子电池性能、寿命和安全性要求更加严格,对锂离子电池的健康状态（State of Health,SOH）估计和剩余寿命（Remaining Useful Life,RUL）预测研究显得尤为重要。本论文通过对锂离子电池的健康状态和失效机理进行分析,对电池管理
定日镜是塔式光热电站中重要的基本聚光设备,数量巨多的定日镜组成的境场是电站的主要投资部分。塔式光热电站通常建于多风沙天气的戈壁荒漠地区,在风荷载作用下定日镜易产生挠曲变形甚至发生倒塌破坏,从而影响整个发电系统的聚光效率甚至造成重大的经济损失。因此,研究分析定日镜的受风影响对定日镜结构抗风设计和境场布置优化以及提高电站发电效率具有重要意义。计算风工程（CFW）是近年来迅速发展并逐渐成熟的一种结构风工
无线传感器网络是部署在监测区域,大量具有感知和监测环境的传感器节点通过自组织方式构建的分布式传感网络。由于传感器节点资源受限,以及大量的干扰因素存在,有效、实时的链路质量评估机制可以为路由协议提供可靠的信息,保证网络拓扑稳定,进而实现数据高效传输,提高网络吞吐率,节省资源提升网络的使用周期。超限快速决策树（Extremely Fast Decision Tree,EFDT）作为一种在线机器学习方法
分布参数系统由于其本身具有空间和时间分布特性,使它在各个控制领域有广泛的应用背景,如人口增长、化工过程、振动过程、核反应过程、社会系统、环境工程等方面。迭代学习控制因为其独特的记忆和修正特点,成为了解决分布参数系统控制问题的主要智能控制算法之一。任何学习算法都需要一个内在要求,即重复性。然而对于被控系统的重复性要求往往在一定程度上限制了迭代学习控制的广泛应用,因为当跟踪目标发生变化时,迭代学习控制
随着计算机视觉的飞速发展,人工智能、深度学习等也随之得到广泛的发展。人们对视觉等环境感知方向的研究也越来越多。关于双目视觉三维重建技术的研究在各个领域也都受到了广泛的关注。双目视觉是通过模拟人眼的结构进行感知周围环境,并能够将感知的二维图像信息通过立体匹配转化为空间的三维信息。双目视觉能够广泛应用于无人驾驶环境感知、安防环境检测、AR三维重建等多个方面。但是由于环境有光照、遮挡、弱纹理等多种情况的