用于离散数学知识检索的本体推理机的获取

通过对当前一些主流本体推理机详细的分析和比较,从系统功能,用户和开发者三个不同角度设计一整套本体推理机测试对比方案,实验证明测试方案是可行和有效的,根据研究结果推荐适用于教学的离散数学知识获取的本体推理机。     

基于多尺度2D Gabor小波的视网膜血管自动分割

眼底视网膜血管分割对临床视网膜疾病诊断具有重要意义. 由于视网膜血管结构微小, 血管轮廓边界模糊, 加上图像采集时噪声的影响, 视网膜血管分割非常困难. 本文提出一种视网膜血管自动分割新方法. 首先, 应用对比度受限的自适应直方图均衡法增强视网膜图像;然后, 采用不同尺度的2D Gabor小波对视网膜图像进行变换, 并分别应用形态学重构 (Morphological reconstruction, MR)和区域生长法 (Region growing, RG)对变换后的图像进行分割; 最后, 对以上两种方法分割的视网膜血管和背景像素点重新标记识别, 得到视网膜血管最终分割结果. 通过对DRIVE和STARE数据库视网膜图像的分割实验, 证明了该算法的有效性.     

基于 RA-Unet 的 CT 图像肝脏肿瘤分割

CT 图像肝脏肿瘤分割是进行肝癌前期诊断、肿瘤负荷分析和放射治疗的重要前提。 为实现肿瘤的精确自动分割,提出 一种融合残差模块和注意力机制的深度 U 形网络。 该网络首先在跳跃连接层中引入一条带有反卷积与激活操作的残差路径 和卷积模块,实现图像特征的分离传递以及高级表征,确保跳跃连接层主要传递图像边缘信息和小目标全局信息,其次在解码 路径中引入注意力机制,通过将跳跃连接层与反卷积解码获得的特征信息赋予不同权重,进一步增强肿瘤特征,抑制其他无关 信息。 提出方法在 LiTS 数据集上获得的全局 Dice 值高达 86. 71% ,明显高于其他多种现有方法,且相较于其他方法,该方法对 于小尺寸、对比度低、边界模糊的肿瘤具有明显的分割优势。     

基于局部仿射模型的多模态弹性图像配准

针对目前弹性图像配准方法较难应用于多模态图像的问题,提出了一种转化图像模态的解决方案。计算图像中每个灰度值在另一幅图像中对应像素的灰度均值,使用该均值代替原图像中对应的像素值,两幅图像灰度被转换为基本一致的状态,使用局部仿射模型配准图像。将灰度转换后的图像与目标图像配准,再将图像的形变参数映射到浮动图像中就可以实现多模态的图像配准。实验结果表明该方法可将局部仿射模型成功地用于多模态图像配准。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

基于Chan-Vese模型的多相位图像分割

利用Chan-Vese模型,对多相位图像实现了串行分层分割。首先得到目标和背景2个子区域,然后判断各子区域内部是否仍包含有感兴趣的目标,如果有,则对该子区域再次采用Chan-Vese模型进行分割,如此迭代直到分割出图像中所有的目标。较之采用Mumford-Shah模型,本文方法计算简单,而且对多相位图像中的目标定位准确,每一层分割都可以得到有意义的区域。实验表明,本文方法可以有效、准确地实现对多相位图像的分割。     

肝脏CTA图像肋骨和脊椎骨分割方法研究

肋骨和脊椎骨的分割是从肝脏CTA（即肝脏CT血管造影）图像中准确分割出肝脏的重要预处理工作,一般考虑阈值分割方法,但该方法常常导致分割不全或过分割。提出了一种将形态学方法和阈值法结合起来的肋骨和脊椎骨分割方法。利用局部解剖学知识,构建四种图像边界特征线,然后通过二值形态学处理方法实现肋骨和脊椎骨的分割。这样既适应了由于不同图像的肋骨和脊椎骨灰度值不同的复杂性,也消除了由于其他器官灰度值相近的影响。实验结果表明,该方法能够高效准确地分割出肝脏CTA图像中的肋骨和脊椎骨。     

基于可见光与红外热图像的行车环境复杂场景分割

复杂场景分割是自动驾驶领域智能感知的重要任务,对稳定性和高效性都有较高的要求.由于一般的场景分割方法主要针对可见光图像,分割效果非常依赖于图像获取时的光线与气候条件,且大多数方法只关注分割性能,忽略了计算资源.本文提出一种基于可见光与红外热图像的轻量级双模分割网络(DMSNet),通过提取并融合两种模态图像的特征得到最终分割结果.考虑到不同模态特征空间存在较大差异,直接融合将降低对特征的利用率,本文提出了双路特征空间自适应(DPFSA)模块,该模块能够自动学习特征间的差异从而转换特征至同一空间.实验结果表明,本文方法提高了对不同模态图像的利用率,对光照变化有更强的鲁棒性,且以少量参数取得了较好的分割性能.     

基于非线性增强和图割的CT序列肝脏肿瘤自动分割

针对腹部CT图像肝脏肿瘤对比度低、边界模糊、灰度多样等因素引起的分割困难,提出基于非线性增强和图割的肝脏肿瘤自动分割.首先根据肝脏区域灰度分布特性,采用自适应分段非线性增强和迭代卷积操作提高正常肝实质与肿瘤组织的对比度;然后将增强结果和图像边界信息有效地融入图割能量函数,实现肝脏肿瘤初步自动分割结果;最后采用三维形态学开操作对初步分割结果进行优化,去除其中的误分割区域,提高分割精度.在3Dircadb和XYH数据库上的实验结果表明,该方法能有效地自动分割腹部CT序列中的肝脏肿瘤,且综合分割性能优于现有多种方法.     

活版印刷生物芯片原位合成仪的研制

研究开发了一种基于活版印刷原理的生物芯片原位合成仪.该仪器通过设计友好的触摸屏人机界面对系统进行操作、采用可编程序控制器(PLC)实现基因芯片和多肽芯片合成过程的定位压印和液体传输控制;详细描述了仪器的组成:压印平台、精密印刷模版、平面定位系统、机械手、液气传输系统和控制系统;最后在三坐标仪下测量了该仪器的控制精度,测试结果表明,系统定位精度为28.4 μm、重复精度为16 μm,印刷模版精度为7 μm,能实现高精度定位压印,满足活版印刷原位合成生物芯片的要求.