分割

摘要： 目的评估3D U-Net深度学习(DL)模型基于盆腔T2WI自动分割盆腔软组织结构的可行性。方法回顾性分析147例经病理证实或盆腔MRI随访观察确诊的前列腺癌或良性前列腺增生患者,其中28例接受2次、121例接受1次盆腔MR扫描,共175组T2WI;手动标注T2WI所示软组织结构,包括前列腺、膀胱、直肠、双侧精囊腺、尿道、双侧闭孔内肌及双侧耻骨直肠肌。按8:1:1比例将数据分为训练集(n=137)、调优集(n=21)和测试集(n=17),对3D U-Net分割模型进行训练。以手动标注结果为标准,根据测试集Dice相似系数(DSC)、Jaccard相似系数(JSC)、精确率(PRE)、召回率(REC)、准确率(ACC)及分割体积差异评价3D U-Net模型分割盆腔软组织结构的效能。结果3D U-Net模型分割测试集盆腔各结构的DSC及JSC均>0.90,ACC、PRE和REC均>90.00%。3D U-Net模型分割的盆腔各结构体积与手动标注差异均无统计学意义(P均>0.05)。结论3D U-Net DL模型可用于自动分割T2WI所示盆腔软组织结构。

摘要： 目的:介绍一种构建虚拟喉镜(VL)的方法及其在先天性梨状窝瘘(CPSF)诊治中的临床应用。方法:从CPSF患儿身上获取CT数据,使用三维可视化软件对喉部解剖结构及上呼吸道进行三维重建、表面渲染及图像分割。获取计算机辅助的内外部解剖视图和交互式穿通连续的内腔视图。结果:成功构建CPSF患儿三维喉部和上呼吸道解剖结构。获取VL梨状窝的常规视图与传统喉镜视图比较情况。LV能够在逆行和顺行可视化中获得梨状窝的独特视图。分割和透明化三维解剖模型,能显示CPSF解剖结构和走向以及与周围器官的空间关系。在低年资组中,其有利于诊断的比例为85.71%,而在高年资组中,其有利于诊断的比例为57.89%(P0.05)。结论:VL作为评估CPSF及其范围的非侵入性工具具有潜在临床应用价值。结合二维图像,可为CPSF的诊治提供超越传统内窥镜检查的信息。VL可能对低年资医师的参考价值更大。

摘要： 目前已有的基于分割的图像篡改检测方法由于标注困难,可用的篡改数据集较少,造成训练数据的缺乏,同时篡改图像经过处理后边界难以识别,导致分割精度低。针对上述问题提出了基于注意力机制的图像篡改检测网络,该网络实现了篡改图像的生成,篡改区域的分割和优化。其中,生成器创建篡改图像用于扩充训练数据,基于注意力机制的分割优化模块用于增强篡改区域边界的特征提取能力,最后以实验结果证明了此方法的准确性和有效性。

摘要： 线序颜色检测是判断线束生产质量的重要环节,根据特定的应用场景,线序依据颜色有固定的排序格式。利用线束材料主要由胶壳和线束两部分构成的特点,首先在滤波的基础上对线束图像进行二值化处理,从图像中分割出胶壳区域。然后以胶壳区域为基准,定位线束检测区域位置。最后通过颜色模板比对,识别出线束颜色序列。实验结果表明,该方法在线序检测中具有较好的稳定性和准确性。

摘要： 随着计算机图像处理技术的不断进步和医学图像样本的不断丰富,计算机肺结节辅助识别技术在医学图像处理领域的应用前景越来越广阔。肺结节实体分割为能够从CT图像中检测、分割肺结节,提高发现早期肺癌的概率,提高患者的生存率,具有非常重要的临床意义。文章对肺结节分割的定义进行了详细介绍,并重点阐述了该专利技术的现实意义;主要以CNABS、CNTXT、VEN、WOTXT、USTXT等数据库的检索结果为分析样本,从专利文献的视角对肺结节计算机辅助诊断技术的发展进行了全面的数据统计以及分析,阐述了与肺结节计算机辅助诊断技术相关的国内外专利的申请情况。

摘要： 基于胃癌CT图像准确分割胃癌和精准预测胃壁肿瘤浸润深度对于筛查胃部疾病、临床诊断、术前预测、术后评估计划至关重要。为了准确地从胃癌CT图像分割出胃癌并对肿瘤进行定性分期,提出一种基于卷积神经网络的胃癌分割与T分期算法(SC-Net)。SC-Net有两条主干线:分割主线、分类主线。这种新型算法分为两步进行训练:第一步只训练分割主线得到肿瘤的粗分割结果,然后在第一步基础之上联合训练分割分类主线得到最终的精分割和肿瘤T分期结果。为了提高算法对胃癌区域的关注度,提出了注意力机制加强算法的准确性。此外还使用多核残差模块和密集连接空洞卷积模块提取深层的特征信息。对所提算法进行定性定量分析。实验表明所提方法在胃癌分割和T分期上均优于同类方法,所提方法有作为筛查胃部疾病、辅助医生诊断的潜力。

摘要： 目的:评估U-Net分割模型对肾脏肿瘤分割及径线测量的准确性。方法:回顾性收集本院PACS中2019年5月-2019年11月经手术病理证实的肾肿瘤患者的影像图像及结构式报告。排除未行手术治疗或病理结果未知的病例、图像及报告质量不合格及既往手术史的病例后,共纳入154例数据。从肾脏肿瘤结构式报告中导出医生测量值。利用U-Net模型自动分割肾脏肿瘤,并采用最小体积包围盒算法得到模型测量值。两位影像医生标注肾肿瘤,并采用最小体积包围盒算法得到参考值。对参考值、医生测量值、模型测量值三组数据进行统计学分析。结果:模型测量值与参考值相比,肾肿瘤短径、中径、长径之间的差异无统计学意义(P>0.05)。肿瘤各径线的医生测量值均小于参考值,差异均具有统计学意义(P<0.05)。肿瘤各径线的模型测量值大于医生测量值,差异均具有统计学意义(P<0.05)。医生测量值与模型测量值的一致性高。结论:基于U-Net的肾肿瘤分割模型自动测量肿瘤径线具有临床可行性。

摘要： 膀胱癌MRI图像存在肿瘤边界不清晰、肿瘤区域较小、肿瘤分布不连续等问题,现有的分割算法参数量庞大,计算复杂,且分割精度有待提高。因此,设计了一种多尺度特征融合的轻量化膀胱癌分割算法(pyramidal convolution lightweight network,PylNet),该算法在编码阶段设计的多尺度语义特征提取模块可提取不同尺度的肿瘤区域信息,确保对微小肿瘤信息提取的可靠性和全面性;在解码阶段设计的融合模块可以在保证分割精度的同时,极大地减少算法参数量和复杂度。实验结果表明,相较于FCN8s、DeepLabV3+、U-Net等算法,PylNet算法分割精度有一定的提高,Dice系数达88.40%,参数量是FCN8s的1/13,可实现对膀胱MRI的快速分割。

摘要： 新型冠状病毒肺炎(COVID-19)严重威胁人类健康,计算机自动分割患者肺部CT(computed tomography)图像是辅助医生进行快速准确诊断的重要手段。为此,提出针对新冠肺炎肺部CT图像分割的轻量化模型COVIDSeg。模型采用编码器-解码器结构,提出压缩-扩展通道注意力模块(squeeze and extend channel attention block,SECA)和残差多尺度注意力模块(residual multi-scale channel attention block,RMSCA)构成编码子网络主要组成模块,提出双通路结构连接编码子网络的各模块,通路内特征逐层传递,通路之间多级特征信息交互,促进不同层级有效信息的传递和表达;采用特征聚合模块作为解码子网络的主要组成模块,通过多尺度特征解码实现多路径解码器。在4个公开使用的COVID-19 CT图像数据集的实验测试表明,提出的轻量化新冠肺炎CT图像分割模型COVIDSeg在多项指标上优于当前主流的医学图像分割模型。通过消融实验分析主要模块对模型性能的影响,验证了提出的缩减-扩展通道注意力模块SECA和残差多尺度注意力模块RMSCA的有效性。分割结果可视化显示,模型对新冠肺炎肺部CT图像的分割结果与图像的真实Mask标记基本相同。

摘要： 随着3D相机以及点云处理的兴起,点云分割技术已经被广泛应用到工业CAD/CAM、激光遥感等领域中。本文在开源PCL库的基础上,针对3D相机获取的点云信息,依据点云分布情况实现点云分割。该算法首先利用预处理方法对原始点云进行去噪处理,然后对余下点云利用随机采样一致性(RANSAC)算法拟合平面,并去除该平面模型包含的点云,最后利用改进后的欧式聚类分割算法对去除点云模型后的数据构建KD树,利用平滑度重新定义聚类方式,通过迭代得到不同物体的点云子集,在实现点云分割的同时还可以有效去除噪声点。实验通过对多个物体点云数据进行分割,结果表明,该算法不仅可以有效分割场景点云中的平面结构,而且能够准确地分割出不同的物体,满足了工业机器人抓取的实时性要求。

摘要： 对于识别与分割图像多重显著封闭轮廓问题,通常是按照两个传统步骤实现,显著度方法和分割方法。本文的研究也是基于这两个主要方向进行的,不同的是,我们运用了稀疏矩阵特性和反对称矩阵特性,从而使显著度方法一定程度上克服了精确度和时间消耗的冲突。对于分割方法,我们使用的多重门限也更加具有实用性。

摘要： 本文提出了一个新颖的基于密度的分割和分层聚类算法,它通过减少参数,以及采用了参数自校技术,使得在聚类中实现人工反馈机制变得比较容易，同时,引进的密度权重概念也可以帮助用户理解结果聚类的密度分布，实验结果通过模拟数据和实际数据表明，此方法是比较有效的。

摘要： 本文提出一种分割及统计图像中条形物体(如图1所示的图像)的算法,该算法的主要功能包括以下几个方面:首先是能够将图像中各条形物体分割开来;其次能够统计条形物体的根数,并能够计算各条形物体的长度及其平均宽度.本文提出的算法由于是针对一般条形物体图像而言的,因此其具有较强的通用性.本文将结合实验结果介绍该算法的主要原理.

摘要： 本文在MILES算法的基础上，提出了一种利用视觉关键词辞典为特征空间的多示例学习算法，并在示例判定的过程中结合分割实现了目标检测与提取。该方法采用“Bag of WordS”模型，将图像作为多示例包，表示该图像的若干视觉关键词作为包中示例，并把视觉关键诃辞典作为特征空间，通过对包中示例个数统计将其映射到特征空间中，随后采用1-norm SVM来挑选重要特征同时对图像进行分类;对判定为正的图像进行示例判定，以判定为正的示例作为相应的目标“种子”点，然后进一步结合图像分割结果，实现目标提取。在Caltech101等标准图像集上的实验结果证明了本文方法的有效性。

摘要： 用计算机来模拟雨景是虚拟现实中的一个重要课题,目前主要是采用粒子系统的方法来实现.基于粒子系统的方法,一般都需要大量的粒子来模拟真实的雨景.同时,需要一些复杂的物理模型来描述这些粒子的形态和轨迹.本文提出了一种新的基于图像绘制的方法来实现真实感雨景的绘制.我们用最小值滤波和我们改进的Matting算法相结合的方法,从视频中分割出真实的雨幕,然后根据目标场景的光照条件改变雨幕的颜色,最后将其与目标场景融合在一起.实验证明,我们的方法十分有效.

摘要： 粗糙集理论是一种新的处理含糊不定和不确定性问题的数学工具,它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法.本文简要论述其在图像的增强、分割、滤波和检索等方面的应用.

摘要： 提供适于被分割体的分割的起点形成方法，通过用激光照射被分割体的方式进行。用能量尚未达到以烧蚀作用形成刻划槽程度的激光，在其焦点从被分割体M的上表面向其内部散焦20μm～30μm的状态下，向被分割体M的所要分割部位进行照射。用吸收导致的急速加热和之后的急速冷却，形成具有细长剖面形状的变质区域T。切割处理能够实现该变质区域T的最下端部成为起点的良好切割。而且，若将在所使用激光的波长范围内激光吸收率比被分割体M更高的物质，预先赋予给所要分割的部位，则由于只有该部位的激光吸收率被提高，所以即使用本来不会产生吸收现象的弱脉冲能量的激光进行照射，也能够可靠地形成成为分割起点的变质区域。

摘要： 公开了一种图像分割方法、图像分割装置、图像分割设备及介质，所述图像分割方法包括：对于视频图像当前帧，提取人体三维骨架的骨架二维估计和骨架三维估计；基于所述骨架二维估计和所述骨架三维估计，得到目标三维骨架；基于所述目标三维骨架，实现图像分割；其中，所述人体三维骨架具有多个节点，所述视频图像为二维图像，在计算当前帧中目标三维骨架时，通过综合考虑当前帧中人体三维骨架的骨架二维估计和骨架三维估计，使得能够提高所得到的目标三维骨架的精确度及其鲁棒性，从而提高图像分割的精度。

摘要： 本发明更加提高燃气轮机的效率。分割环表面侧构件包含于在燃气轮机的静止侧且在与动叶相面对的位置配置的分割环，是供燃烧气体流动的燃烧气体流路的一部分，具有：表面部，其由陶瓷基复合材料形成，形成所述燃烧气体流路；折回部，其与所述表面部连结且具备向所述燃气轮机的径向外侧延伸的第一部分及从所述第一部分的端部向所述表面部的中心线侧延伸的第二部分；以及突出部，其从所述折回部向所述燃气轮机的径向外侧延伸。

摘要： 本发明提供一种紧凑的分割装置，能够不导致质量下降地用短时间，对大型化、薄型化的玻璃板等板材进行划线及分割，具备支承竖立状态的玻璃板(G)的下端的带式传送带(2)、对玻璃板面作用流体压，非接触地支承玻璃板的流体导向(8)、在玻璃板的输送方向分离地配设的一对分割单元(11、12)。在各分割单元(11、12)中，从靠近另一方的分割单元的一侧，依次配置：夹具(15)，其从玻璃板的两面把持玻璃板；划线形成机(16)，其通过沿着玻璃板面在夹具(15)的附近部上下移动，在玻璃板上形成分割用划线；分割机(17)，其具有分割杆(25)，该分割杆相对于形成在玻璃板上的划线，按压由夹具把持的部分的面方向相反侧的部分。

摘要： 提供适于被分割体的分割的起点形成方法，通过用激光照射被分割体的方式进行。用能量尚未达到以烧蚀作用形成刻划槽程度的激光，在其焦点从被分割体M的上表面向其内部散焦20μm～30μm的状态下，向被分割体M的所要分割部位进行照射。用吸收导致的急速加热和之后的急速冷却，形成具有细长剖面形状的变质区域T。切割处理能够实现该变质区域T的最下端部成为起点的良好切割。而且，若将在所使用激光的波长范围内激光吸收率比被分割体M更高的物质，预先赋予给所要分割的部位，则由于只有该部位的激光吸收率被提高，所以即使用本来不会产生吸收现象的弱脉冲能量的激光进行照射，也能够可靠地形成成为分割起点的变质区域。

摘要： 本发明提供一种图像的目标物的分割网络、分割系统及其分割装置，涉及遥感图像语义分割领域。该图像的目标物的分割网络、分割系统及其分割装置，包括主干网络、多尺度中间层构件和解码模块，所述多尺度中间层构件包括注意力模块和特征融合模块。所述注意力模块用于提取的特征图，所述特征图经过特征模块进行处理后用以表示多尺度信息。本发明能够捕获到高分辨率遥感图像的深层语义信息和多尺度信息，提高预测的准确性。

摘要： 本申请公开了一种人像分割模型的生成方法、人像分割模型及人像分割方法，所述人像分割模型的生成方法包括将预设训练样本中的训练图像输入预设网络模型，通过预设网络模型确定训练图像对应的预测人像掩膜图；获取所述预测人像掩膜图中的人像边缘，并基于人像边缘确定预测人像掩膜图对应的权重图；基于权重图、预测人像掩膜图以及所述训练图像对应的目标人像掩膜图对所述预设网络模型进行训练，以得到人像分割模型，本申请通过预测人像掩膜中的人像边缘来确定预测人像掩膜图中各像素点在训练过程中的权重值，通过基于该权重值对预设网络模型进行训练，可以提高训练得到的人像分割模型对应人像边缘的识别效果，从而可以提高人像分割的精确度。

摘要： 本发明的聚类分割评价装置(1)的特征在于，具备：实测值取得部(21)，其取得表示净水厂所取得的原水的性质的值的实测值以及表示注入到原水的药剂的量的值的实测值；聚类部(22)，其在多维空间内，将对表示原水的性质的值的实测值以及表示注入到原水的药剂的量的值的实测值进行表示的点分割为多个聚类；以及回归分析部(23)，其针对所述多个聚类的每一个，使用实测值，对以表示原水的性质的值为说明变量、以表示药剂的量的值为目标变量的预测模型的参数进行最佳化，针对每个聚类的数量评价参数被最佳化的预测模型输出的表示药剂的量的值的预测值与表示药剂的量的值的实测值的差值，并基于评价的结果来决定聚类的数量。

摘要： 一种可通行水域分割设备、图像分割模型训练和图像分割方法，通过获取待分割图像，将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果；图像分割模型包括：编码器和解码器；将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果，包括：通过编码器对待分割图像进行特征提取，得到关联特征图，特征提取包括：N次下采样处理；通过解码器对关联特征图进行分辨率还原和像素类别的预测，得到待分割图像的分割结果，分辨率还原包括M次上采样处理，M小于N；待分割图像的分割结果的尺寸与待分割图像的尺寸相同，待分割图像的分割结果包括与分割结果的像素点位置对应的待分割图像中的像素点的类别。

摘要： 本发明涉及图像分割技术领域，涉及医学图像分割的一种曲线分割网络，采用Selective Kernel模块嵌入分割网络的编码路径和解码路径来实现基于不同大小的卷积核动态选择和融合特征，并构造一个Multi‑Bi‑ConvLSTM作为编码路径和解码路径间的非线性的跳跃连接，通过该跳跃连接将特征信息从网络的深层逐渐传递到浅层，来使得Curv‑Net捕获的特征能够同时包含更多的细节信息和高层次的语义信息，从而提高分割性能；该分割网络对应的分割方法及采用该网络的图像分割方法也同样具有上述技术效果。