基于三维形状指数的肺结节自动检测方法

针对在肺结节计算机辅助检测中存在误诊率、假阳性率较高,检测准确率较低等问题,提出一种基于三维形状指数和Hessian矩阵特征值构建类球形滤波器的结节检测方法。首先,提取肺实质区域,并计算各体素点Hessian矩阵的特征值和特征向量;其次,通过二维形状指数推导出三维形状指数公式,构建改进的三维类球形滤波器;最后,在三维肺实质区域内检测疑似结节区域,去除较多的假阳性区域,针对三维体数据上检测出结节所在位置,将检测到的坐标作为置信连接的多种子点输入,进行三维体数据分割,最终分割出三维结节。实验结果表明,所提算法能够有效地检测出不同类型的肺结节,对较难检测的磨玻璃结节也有较好的检测效果,结节检测的假阳性低,最终能达到92.36%的准确率和96.52%的敏感度。     

基于深度卷积神经网络的肺结节检测算法

在传统的肺结节检测算法中，存在检测敏感度低，假阳性数量大的问题。针对这一问题，提出了基于深度卷积神经网络（CNN）的肺结节检测算法。首先，有目的性地简化传统的全卷积分割网络；然后，创新地加入对部分CNN层的深监督并使用改进的加权损失函数，获得高质量的候选肺结节，保证高敏感度；其次，设计了基于多尺度上下文信息的三维深度CNN来增强对图像的特征提取；最后，将训练得到的融合分类模型用于候选结节分类，以达到降低假阳率的目的。所提算法使用了LUNA16数据集，并通过对比实验验证算法的性能。在检测阶段，当每个CT检测出的候选结节数为50.2时，获得的敏感度为94.3%，与传统的全卷积分割网络相比提升了4.2个百分点；在分类阶段，竞争性能指标达到0.874。实验结果表明，所提算法能够有效提高检测敏感度和降低假阳率。     

煤矿考勤系统中人脸识别算法的研究

针对传统的人脸识别算法存在识别率低甚至无法识别的缺点,提出了一种基于SURF和双向FLANN的人脸识别算法。该算法首先用SURF算法中的快速Hessian矩阵检测特征点,并生成SURF特征的描述符;然后通过Hessian矩阵迹的正负性和双向FLANN匹配的搜索算法对图像SURF描述符进行匹配,以实现人脸的识别,从而达到考勤的目的。实验结果表明,该算法在剔除匹配识别中误匹配点对的同时提高了SURF算法识别速率与正确率,保证了算法在考勤系统中的实时性。     

多输入卷积神经网络肺结节检测方法研究

针对传统计算机辅助诊断系统中肺部结节检出过程复杂,检出结果依赖于分类前期每个步骤的性能,以及存在假阳性率高的问题,提出了一种基于卷积神经网络的端到端的肺结节检测方法。该方法首先使用大量带标签的肺结节数据对构建的多输入卷积神经网络进行训练,实现从原始数据到语义标签的有监督学习。然后采用快速边缘检测方法和二维高斯概率密度函数构建候选区域模板,从待检测CT序列中获取候选区域并将其作为多输入卷积神经网络的输入数据。最后采用判定阈值实现疑似肺结节区域标注,同时在相邻的CT影像中进行重点检测。在LIDC-IDRI数据集上的大量实验结果表明,所提方法在肺部CT影像中对微、小结节的检出率较高;同时,重点检测模板能够小幅降低微、小结节检测的假阳率。     

改进U型残差网络用于肺结节检测

针对计算机断层扫描（CT）影像中肺结节检测灵敏度较低,且存在大量假阳性的问题,提出一种改进的U型残差网络用于肺结节检测。采取U-net网络的U型结构并利用残差学习方式构建深层次网络,同时引入自校正卷积增加特征的信息提取能力,进行通道间与局部信息增强,有利于检测不同形态的结节;通过引入的通道注意力机制,对特征提取过程中的特征进行重标定,实现自适应学习特征权重,进一步提高检测的准确率;引入DR loss作为该算法的分类损失函数,用于解决数据正负样本失衡问题。在LUNA16数据集对所提算法进行了验证,CPM得分达到0.901,提高了肺结节检测的灵敏度,而且有效降低了检测结果的平均假阳性个数,可有效辅助放射科医师对肺结节进行检测。     

基于3维图像增强的肺结节识别

孤立性肺结节的检测是肺癌早期诊断的关键。针对传统点增强滤波器虽然对结节增强具有很好的敏感性,但是却产生很多假阳性区域的问题,提出一种通过计算3维增强密度指数和判别规则来识别肺结节的方法。首先采用自适应双边滤波器对CT图像序列进行降噪和平滑处理;然后计算对应的Hessian矩阵及其特征值得到预增强系数,并获得感兴趣体区域,通过对预增强系数的分析来构造3维增强密度指数;最后应用判别规则对感兴趣体进行识别。针对两个肺部CT图像数据集对该方法进行了测试,结果表明,在识别孤立性肺结节方面该方法是有效的。     

融合残差模块的U-Net肺结节检测算法

为解决现有肺结节检测模型精度低、漏诊率和误诊率高等问题,提出融合残差模块的肺结节检测算法.候选结节检测阶段,提出残差U-Net (residual U-Net,RU Net)分割网络,将改进的残差网络(residual network,ResNet)模块与UNet结构融合,提升模型特征提取能力;加入改进的损失函数解决数据类别不均衡问题,提高检测敏感度.假阳性减少阶段,采用三维卷积神经网络(3D CNN)用于候选结节分类,充分获得结节空间信息,达到降低假阳性的目的.实验结果表明,该算法能够准确并高效地分割和检测肺结节.     

检测肺结节的3维自适应模板匹配

目的 针对传统模板匹配方法检测肺结节存在的问题,提出一种用于CT图像中检测肺结节的3维自适应模板匹配算法。方法 首先,从CT序列图像中分割出3维肺实质,采用Canny算子等方法从分割出的3维肺实质中提取3维感兴趣区域作为候选肺结节;然后,确定每个3维感兴趣区域的主方向和中心层,并以此中心层作为信息层,沿主方向对信息层进行3维扩展生成3维模板;最后,对自适应模板和候选结节的3维归一化互相关(NCC)相关系数进行计算,将相似性高于设定阈值的区域标记为肺结节。结果 采用66个临床CT病例对本文方法进行了肺结节检测实验,结果显示本文方法对肺结节检测的敏感率为95.29%,假阳性为12.90%。结论 本文方法对检测肺结节具有较高的敏感率和准确率,可在临床上有效辅助放射科医生对肺结节进行检测,从而提高放射科医生检测肺结节的准确性和工作效率。     

基于血管增强分割的三维肺结节自动检测

在肺结节检测过程中,与肺结节灰度相似的复杂肺部血管结构是干扰肺结节准确检测的一个重要因素。针对这一问题,首先利用基于Hessian矩阵特征值的Frangi多尺度滤波器将大小、形态各异的肺血管结构增强,然后采用模糊C-均值聚类方法将血管分割出来,最后通过去除肺血管,间接得到肺结节图像。实验结果表明,该方法能有效降低血管对肺结节检测的影响,提高肺结节的检测精度。     

一种基于快速鲁棒特征的图像匹配算法

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种基于快速鲁棒特征(SURF)的图像配准算法。SURF算法作为一种新的特征提取算法,在独特性、鲁棒性等方面均超过了其它方法,并在计算效率上具有明显的优势。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定特征点的主方向,并确定特征描述子,再根据Hessian矩阵迹的正负性和最近邻与次近邻比值的方法相结合获取匹配点,并用改进的RANSAC算法剔除伪匹配点以确保匹配的有效性。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。     

基于形态学与局部特征结构的肺血管树重建

孤立性肺结节(SPN)是肺癌的重要征象,基于肺部CT容积数据的血管树重建是SPN计算机辅助诊断的前提。提出一种形态学滤波和局部特征结构相结合的肺部血管树重建方法,通过形态学滤波对待分组织进行预分割,对特定组织体素计算Hessian矩阵的特征值,并按其特征结构进行分割进而重建。实验结果表明,该方法能快速、有效地实现血管树重建。     

一种新的血管造影图像Hessian矩阵增强算法

针对实际血管造影图像存在的噪声和光照不均,本文提出一种新的Hessian矩阵增强算法来提取血管图像。算法主要通过无抽样方向滤波器组进行血管方向图分解、同态滤波器滤波、Hessian特征矩阵和血管方向图合成。实验表明,与传统Hessian算法相比,提出的算法能够连续提取血管的精细结构,对噪声不敏感,处理的图像质量更高。     

基于鞍点搜索的粘连对象图像分割方法

针对图像中不规则形状物体接触的分割问题,提出一种采用Hessian矩阵来判断分割点（即鞍点）进行粘连对象分割的方法。根据对图像进行腐蚀操作得到的三维地貌图,结合鞍点的数学特性,运用Hessian矩阵的特征值对鞍点进行搜索定位,沿经过鞍点的最大梯度路径分割粘连对象。与目前已有的几种分割算法相比,该方法具有算法简捷、分割效果好以及易于实现的特点。     

改进的正则化模型在图像恢复中的应用

目的 由拟合项与正则项组成的海森矩阵,如果不具有特殊结构,其逆矩阵计算比较困难,为克服此缺点,提出一种海森矩阵可分块对角化的牛顿投影迭代算法。方法 首先,用L₂范数描述拟合项,用自变量是有界变差函数的复合函数刻画正则项,建立能量泛函正则化模型。其次,引入势函数,将正则化模型转化为增广能量泛函。再次,构造预条件矩阵,使得海森矩阵可分块对角化。最后,为防止牛顿投影迭代算法收敛到局部最优解,采用回溯线性搜索算法和改进的Barzilai-Borwein步长更新准则使得算法全局收敛。结果 针对图像去模糊正则化模型容易使边缘平滑和产生阶梯效应“两难”问题,提出一种新的正则化模型和牛顿投影迭代算法。仿真结果表明,“两难”问题通过本文算法得到了很好的解决。结论 与其他正则化图像去模糊模型相比,本文算法明显改善图像的质量,如有效地保护图像的边缘,抑制阶梯效应,相对偏差和误差较小,较高的峰值信噪比和结构相似测度。     

一种改进的光流算法

光流法是运动图像序列分析的一种重要方法。该文通过引入前向－后向光流方程，计算其Hessian矩阵，把Hessian矩阵条件数的倒数作为Lucas－Kanade光流法的加权阵，可有效消除局部邻域中不可靠约束点，同时提高基本约束方程解的稳定性。实验表明该方法相对于其它梯度约束光流法具有更好的可靠性。     

基于Hessian矩阵和Gabor函数的局部兴趣点检测

局部特征方法是基于内容的图像与视频检索的重要方法。提出一种新的基于Hessian矩阵和Gabor函数的尺度不变局部特征点检测方法(Hessian-Gabor Detector)。该方法首先利用基于Hessian矩阵的检测子定位图像在空间域上的候选特征点位置,然后用基于Gabor函数的算子检测候选兴趣点在尺度空间的特征尺度,从而获得具有尺度不变特性的局部特征点。实验证明,与DOG、Harris-Laplace等方法相比,计算简单。应用于图像匹配中,能够显著地提高匹配效率。     

基于Hessian矩阵的冠脉造影图像分割与骨架提取

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标的关系,构造一个新颖的血管相似性响应函数,对冠脉增强并阈值化得到分割结果,同时由 Hessian 矩阵确定冠脉血管的法线方向,通过求解法线方向上的极值点得到冠脉骨架的初始像素点集,以此来提取冠脉血管的欧氏骨架。实验结果表明,该算法简洁高效,相比现有算法能提取到更多的细小分支,得到的冠脉骨架完整,半径估计准确。     

平面框架结构地震力的设计敏度和海森矩阵的计算

提出一种平面框架结构地震力的设计敏度和海森矩阵的精确计算方法.在有限单元法和纽马克-β法的基础上推导了平面框架结构地震力的设计敏度和海森矩阵的计算公式,用matlab语言编制了平面框架结构地震力的设计敏度和海森矩阵的计算程序,实现了平面框架结构地震力的设计敏度和海森矩阵的精确计算.最后给出一个二层平面框架结构算例,数值结果表明本文所提的地震力的设计敏度和海森矩阵的计算方法是有效的和高效的.