融合改进 YOLOv5 算法的图像全站仪全自动测量方法

针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。借助自研的图像全站仪开展了反射片靶标的识别与检测实验和目标点全自动测量实验。实验结果表明,利用改进的YOLOv5算法对反射片靶标的识别与检测的准确率可达98.65%;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了1.5倍。所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

深度学习屈光检测方法研究

屈光不正是一种非常常见且对视功能发育有严重危害的眼科问题。准确与方便的屈光检测技术,对于及时发现屈光不正问题以及采取相应措施进行干预具有非常重要的意义。目前的屈光筛查设备虽然能较快进行屈光检测,但主要存在两个问题：检测准确度较低,对被测者配合度要求较高。因此,提出一种新的屈光检测方法,此方法使用基于偏心摄影验光原理的光学系统获取人脸面部近红外图像,使用图像处理技术对面部近红外图像进行处理,得到左右瞳孔图像和瞳孔位置信息,使用提出的结合了深度可分离卷积和SE模块的混合数据多输入神经网络模型进行训练与屈光度的计算。与传统偏心摄影验光原理的屈光检测方法相比,此方法有望随着数据集的扩增而达到更高的准确度,并且此方法将瞳孔位置信息作为模型的输入,可以解决传统算法对被测者配合度要求较高的问题。该研究是对屈光检测新方法的一种有益探索,使用此方法有利于屈光筛查更便利地进行,为实现非接触自助式的屈光筛查提供基础。     

基于FPGA的导管式超声治疗系统设计

导管式超声在临床治疗上受到广泛关注。为实现方便、稳定的导管式超声激励系统,该文基于直接数字频率合成（DDS）技术在现场可编程门阵列（FPGA）上,设计了一款由上位机控制,波形、频率、占空比和电压幅值可灵活调节的导管式超声治疗系统,实现了脉冲激励信号的输出。测试表明,该系统人机交互方便,参数灵活,输出波形稳定,实现了对微型超声换能器的激励要求。用该系统对定制的超声换能器进行激励,实验测试了超声作用下仿体的温升情况。结果表明,该系统可有效激励超声换能器实现仿体内特定区域的热消融。     

融合双注意力机制3D U-Net的肺肿瘤分割

目的 精确的肺肿瘤分割对肺癌诊断、手术规划以及放疗具有重要意义。计算机断层扫描（computed tomography,CT）是肺癌诊疗中最重要的辅助手段,但阅片是一项依靠医生主观经验、劳动密集型的工作,容易造成诊断结果的不稳定,实现快速、稳定和准确的肺肿瘤自动分割方法是当前研究的热点。随着深度学习的发展,使用卷积神经网络进行肺肿瘤的自动分割成为了主流。本文针对3D U-Net准确度不足,容易出现假阳性的问题,设计并实现了3维卷积神经网络DAU-Net（dual attention U-Net）。方法 首先对数据进行预处理,调整CT图像切片内的像素间距,设置窗宽、窗位,并通过裁剪去除CT图像中的冗余信息。DAU-Net以3D U-Net为基础结构,将每两个相邻的卷积层替换为残差结构,并在收缩路径和扩张路径中间加入并联在一起的位置注意力模块和通道注意力模块。预测时,采用连通域分析对网络输出的二值图像进行后处理,通过判断每个像素与周围26个像素的连通关系获取所有的连通域,并清除最大连通域外的其他区域,进一步提升分割精度。结果 实验数据来自上海胸科医院,总共1 010例肺癌患者,每例数据只包含一个病灶,专业的放射科医师提供了金标准,实验采用十折交叉验证。结果表明,本文提出的肺肿瘤分割算法与3D U-Net相比,Dice系数和哈斯多夫距离分别提升了2.5%和9.7%,假阳性率减少了13.6%。结论 本文算法能够有效提升肺肿瘤的分割精度,有助于实现肺癌的快速、稳定和准确分割。     

联合空间与角度的符号相干系数平面波成像北大核心CSCD

超声平面波成像是近年来一种应用较广泛的超快速超声成像方法,多角度相干平面波复合(Coherent Plane Wave Compounding,CPWC)成像在不过多损失速率的情况下,提升成像质量。但普通的CPWC方法只是简单复合多个角度延时叠加(Delay and Sum,DAS)后的数据,并未考虑到单个角度内以及多个角度之间数据的相关性。文章提出了一种联合空间与角度的符号相干系数(Angular Spatial Sign Coherence Factor,asSCF)平面波成像方法,将空间符号相干因子和角度符号相干因子创新性地融合到波束合成的过程中,充分考虑信号之间的相关性,旨在提升多角度复合成像质量。进行了仿真实验、仿体实验以及在体组织实验,对asSCF-CPWC方法、单一的符号相干系数法以及传统CPWC方法成像进行对比,结果发现asSCF-CPWC方法具有更好的横向分辨能力和成像对比度。     

基于运动补偿的机械扫描式高频超声成像技术

由于高频相控阵超声成像系统和多阵元高频超声探头工艺复杂,成本较高、实现难度大,单阵元的机械扫描式高频超声成像探头因其结构简单、实现方便、成本低的特点仍具有较高的理论研究和实际应用价值。但目前机械扫描式成像系统的机械扫描的非均匀性是阻碍其性能进一步提升的主要问题,因此文章设计了一种高精度运动补偿的机械扫描式高频超声成像探头和系统,通过理论计算分析、运动系统结构设计加工、扫描成像系统搭建实现了高精度的扫描成像。最后,线靶和仿体的成像实验结果显示,经运动补偿后,系统能够有效克服传统机械扫描成像的伪影和失真,实现的横向几何位置精度误差为1.34%,纵向几何位置精度误差为1.33%,面积测量精度误差为3.15%,为高精度、高频超声成像算法和系统研究提供了一种有效的手段。     

光片荧光显微镜研究进展

传统落射式荧光显微镜的探测光路和照明光路处于同轴位置,成像质量会受到非焦平面荧光的影响。光片荧光显微镜（Light sheet fluorescence microscopy,LSFM）区别于传统的荧光显微镜,它的探测光路和照明光路呈直角排布,照明光为一个薄片,成像时只有光片区域的样本被照亮,这种照明方式能够有效降低非焦平面荧光激发。同时,激光每次只照亮一个平面,能够有效降低样本的照射时间,由此降低光毒性和光漂白性的影响。本文首先介绍了光片荧光显微镜的基本光路组成结构,以及在这些结构基础上进行的优化创新;之后介绍了针对离体样本和活体样本发展出的多种解决方案。得益于这些创新,光片荧光显微镜能够在较长时间范围内对荧光标记的生物样本进行3D成像。最后提出了光片荧光显微镜发展的潜在方向以及局限性,希望能给研究人员提供更为系统的光片荧光显微镜方面的知识以及一些有益的参考。