基于多尺度滤波的视网膜血管分割算法

眼底视网膜血管图像的纹理与结构信息可作为医学对相关疾病诊断的重要依据。针对视网膜血管存在伪影与尺度结构复杂等难题以及微血管分割较低等问题,提出一种基于多尺度滤波的有监督学习视网膜血管分割算法。采用二维K-L变换综合分析彩色图像三通道的频带信息得到视网膜灰度图像,并利用受限对比度直方图均衡化增强血管与背景的对比度,利用Retinex降低伪影与视盘的干扰;由多尺度高斯匹配滤波、多尺度形态学滤波、Frangi滤波以及2D-Gabor滤波提取相关血管特征,并将提取好的特征集由AdaBoost初步提取血管;利用血管连通域信息去除初分割结果的非血管像素,获得最终的血管图像。该算法在DRIVE与STARE数据集上实验,准确率分别达到96.34%与95.83%。     

基于区间数学的系统稳定性分析

根据Routh判据,区间数学模型的线性系统稳定性的充要条件是第一列全部为正数,等价于其下界大于零.如果第一列区间数以零为下界,则特征方程有成对虚根,系统临界稳定.而Nyquist稳定判据则根据系统的开环频率特性判断闭环系统稳定性.由于参数可行域的引入,等价于给了系统一定的稳定裕度.     

脱硫石膏胶结尾砂充填的研究

利用脱硫石膏的胶凝性能，将之与火电厂废弃物按一定比例混合后，能产生与水泥水化产物相似的成分。在保证充填体抗压强度的情况下，脱硫石膏能取代10％－12％的水泥以膝结尾砂充填，从而降低充填成本。并对脱硫石膏胶结尾砂的作用机理进行了探讨。     

做夜场需要“技术”

对经销商来说．无论是夜场还是大型酒店都意味着可能有高销量（有销量不一定有高利润）和高风险。在圈子里，也时有做一些大场子的同行，他们与优势终端合作，看起来是相当的惹眼。不过，你要知道，这些能买下专场促销权的经销商，往往背后都是由厂家来买单，甚至还有通过买专场来吃厂家费用的。现在还有一类自己买下终端酒水供货权的经销商，要知道这需要对终端有相当的控制力。     

多级自适应尺度的U型视网膜血管分割算法

针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。     

集员辨识理论发展及算法综述

基于UBB噪声假设下的集员辨识是一种新型的系统辨识方法,与传统辨识方法相比具有较强的鲁棒性.本文以参数线性模型为例介绍了集员辨识理论的发展历程和相关算法.     

多分辨率融合输入的U型视网膜血管分割算法

针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%, 97.47%和97.48%,灵敏度分别为82.73%, 82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%, 98.90%和98.93%。其模型整体性能优于现有算法。     

融合Transfomer和多尺度并行注意的结直肠息肉分割算法

针对结直肠息肉图像中病灶区域尺度变化大、形状不规则和边界不清晰等复杂特点导致息肉分割精度低、分割边界存在伪影的问题,提出了一种融合Transfomer和多尺度并行注意网络(Fusion of Transfomer and Multiscale Parallel Attention Networks, FTMPA-Net)的结直肠息肉分割算法。选用HarDNet逐层提取语义信息和空间细节,采用多尺度感受场模块(Multiscale Receptive Field Block, RFB)捕获不同感受野下的特征信息,串入高效通道注意力机制提取空间、通道特征的相关性信息,以抑制背景颜色的响应;通过并行解码模块逐层聚合由高效通道注意力机制得到的增强特征图,并生成初始预测分割图用于后续深层监督;提出高效多头注意力机制(Efficient Multi-Head Self-Attention Module, EMHSA)来进一步细化边缘信息,构建区域与边界之间的联系,以提高其分割性能。在CVC-ClinicDB数据集和Kvasir-SEG数据集上对该算法进行测试,平均相似性系数分别为95.58%和92...     

融合多标签损失与双注意力的U型视网膜血管分割

眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE＿DB1数据集上进行实验,灵敏度分别为80.54%, 83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%, 98.50%和98.36%.