基于FPA-U-Net-GAU的肺部病变区域分割方法研究

针对现有机器学习和深度学习网络算法对肺部病变区域分割精度不高的问题,提出了一种基于改进的特征金字塔注意力机制(Feature Pyramid Attention,FPA)与U-Net网络结合肺部病变区域分割算法。该算法在U-Net采样中嵌入FPA,FPA对目标区域空间位置信息进行分级特征提取,并结合全局池化学习表示特征。在每个上采样模型中引入全局注意力上采样模块(Global Attention Upsample,GAU)作为全局上下文信息的特征提取,网络方法简写为FPA-U-Net-GAU。将FPA-U-Net-GAU与几种经典分割算法模型进行对比,实验结果表明,FPA-U-Net-GAU方法有效提高了分割精度和稳定性,其DSC为0.885,PPV为0.851,Sensitivity为0.882。     

基于UNet++的自动分割COVID-19病灶模型在CT切片中的应用

针对肺部病变的多样性和区域分割复杂化的问题,提出了一种新的UNet++模型,包括在U-Net基础上进行了改进,主要由挤压和注意模块、空洞空间金字塔池模块、下采样、上采样、跳过连接和损失函数组成.首先,引入了挤压和注意模块来加强像素分组的注意力,充分利用全局上下文信息,让网络更好地挖掘像素之间的差异和联系.其次,设计空洞空间金字塔池模块,用于捕获COVID-19病变的多尺度信息.下采样获得高维信息,然后使用四次上采样将特征图恢复到原始大小,并使用四个跳跃连接来合并特征图.此外,广义骰子损失可以降低病变大小与骰子损失之间的相关性,从而解决小区域分割问题.使用来自不同数据集的CT扫描数据对UNet++模型进行了广泛的实验.在实验中,UNet++模型和GDL分别与典型分割模型和流行的损失函数进行了比较,实验数据表明提出的新的UNet++模型最接近黄金标准.     

管片接头刚度对盾构隧道衬砌结构应力与变形的影响研究

基于杭州市地铁8号线盾构隧道某区间衬砌结构工程,采用有限元法研究了管片接头刚度对盾构隧道衬砌结构应力与变形的影响。研究结果表明：地表最大位移值随着管片接头刚度折减系数的增加而减小;盾构隧道衬砌结构内、外环顶部的环向位移与拱顶、拱底和拱腰处的环向应力均随着管片接头刚度折减系数的增加而增大;管片接头刚度对盾构隧道衬砌结构变形和地表位移均有较大影响,可采用提高管片接头刚度的方法减小盾构隧道衬砌结构变形,并采用注浆的方法抬升地表,进而降低地层损失率。该研究成果可为类似工程提供参考。