基于姿态编码器的2D/3D脊椎医学图像实时配准方法

2D/3D医学图像配准是骨科手术三维实时导航中的一项关键技术,然而传统的基于优化迭代的2D/3D配准方法需要经过多次迭代计算,无法满足医生在手术过程中对于实时配准的要求。针对该问题,提出一种基于自编码器的姿态回归网络来通过隐空间解码捕获几何姿态信息,从而快速地回归出术中X射线图像对应的术前脊椎位置的3D姿态,并经过重新投影生成最终的配准图像。通过引入新的损失函数,以“粗细”结合配准的方式对模型进行约束,保证了姿态回归的精确度。在CTSpine1K脊椎数据集中抽取100组CT扫描图像进行10折交叉验证,实验结果表明：所提出的模型所生成的配准结果图像与X射线图像的平均绝对误差（MAE）为0.04,平均目标配准误差（mTRE）为1.16 mm,单帧耗时1.7 s。与基于传统优化的方法相比,该模型配准时间大幅缩短。相较于基于学习的方法,该模型在快速配准的同时,保证了较高的配准精度。可见,所提模型可以满足术中实时高精配准的要求。     

基于时间协同的异型反舰导弹集群作战目标分配策略研究

针对异型反舰导弹集群作战的目标分配问题,建立了一种基于时间协同的目标分配模型。首先根据反舰作战信息,分析了导弹飞行时间差、弹-目距离和飞行速度对集群协同作战目标分配的影响,建立了一种基于导弹飞行时间标准差的时间协同优势函数,并结合距离优势与速度优势建立了综合优势函数。最后通过遗传算法求解模型最优解,仿真得到分配结果。对比分析结果表明,有时间协同优势的作战方案平均时间标准差小于无时间协同的作战方案平均时间标准差,两个算例的平均时间标准差分别下降了49.18%和63.49%,验证了模型的有效性。