自适应迁移鲁棒特征的个性化联邦医学图像分类

目的 针对联邦学习中多中心医学数据的异质性特征导致全局模型性能不佳的问题,提出一种基于特征迁移的自适应个性化联邦学习算法（adaptive personalized federated learning via feature transfer, APFFT）。方法 首先,为降低全局模型中异质性特征信息影响,提出鲁棒特征选择网络（robust feature selection network, RFS-Net）构建个性化本地模型。RFS-Net通过学习两个迁移权重分别确定全局模型向本地模型迁移时的有效特征以及特征迁移的目的地,并构建基于迁移权重的迁移损失函数以加强本地模型对全局模型中有效特征的注意力,从而构建个性化本地模型。然后,为过滤各本地模型中异质性特征信息,利用自适应聚合网络（adaptive aggregation network, AANet）聚合全局模型。AA-Net基于全局模型交叉熵变化更新迁移权重并构建聚合损失,使各本地模型向全局模型迁移鲁棒特征,提高全局模型的特征表达能力。结果 在3种医学图像分类任务上与4种现有方法进行比较实验,在肺结核肺腺癌分类任务中,各中心曲线...     

基于改进的活动轮廓模型的胸膜接触型肺结节分割

面向软体机器人、变构型飞行器、可穿戴医疗装备等领域的柔性传感应用需求,提出一种植入光纤光栅敏感元件的聚酰亚胺薄膜柔性曲率传感器。研究了柔性薄膜光纤光栅传感器的传感原理、传感结构设计与光栅植入方法,建立了光纤传感、解调及曲率标定装置;实验分析了聚酰亚胺薄膜曲率与光栅中心波长漂移量关系,实验测得光纤光栅植入深度与柔性曲率传感器灵敏度的定量关系,验证了所提出柔性曲率传感器的可行性。研究结果表明,光纤光栅植入聚酰亚胺薄膜的曲率传感器可用于柔性变形传感测量,在0～30.03 m~(-1)的曲率范围内,光纤光栅植入深度为0.1 mm时,聚酰亚胺薄膜曲率传感器达到最大灵敏度50.65 pm/m~(-1)。光纤光栅植入聚酰亚胺薄膜的柔性曲率传感器可应用于柔性传感测量领域。     

结合MRF能量和模糊速度的乳腺癌图像分割方法

乳腺癌灶的精确分割是乳腺癌计算机辅助诊断的重要前提. 在动态对比增强核磁共振成像(Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)的图像中, 乳腺癌灶具有对比度低、边界模糊及亮度不均匀等特点, 传统的活动轮廓模型方法很难取得准确的分割结果. 本文提出一种结合马尔科夫随机场(Markov random field, MRF)能量和模糊速度函数的活动轮廓模型的半自动分割方法来完成乳腺癌灶的分割, 相对于专业医生的手动分割, 本文方法具有速度快、可重复性高和分割结果相对客观等优点. 首先, 计算乳腺DCE-MRI图像的MRF能量, 以增强目标区域与周围背景的差异. 其次, 在能量图中计算每个像素点的后验概率, 建立基于后验概率驱动的活动轮廓模型区域项. 最后, 结合Gabor纹理特征、DCE-MRI时域特征和灰度特征构建模糊速度函数, 将其引入到活动轮廓模型中作为边缘检测项. 在乳腺癌灶边界处, 该速度函数趋向于零, 活动轮廓曲线停止演变, 完成对乳腺癌灶的分割. 实验结果表明, 所提出的方法有助于乳腺癌灶在DCE-MRI图像中的准确分割.