-
题名基于深度学习的医学影像配准综述
- 1
-
-
作者
应时辉
杨菀
杜少毅
施俊
-
机构
上海大学理学院数学系
西安交通大学人工智能学院人工智能与机器人研究所
上海大学通信与信息工程学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2021年第4期287-299,共13页
-
基金
国家自然科学基金项目(No.11971296,81627804,61671281)
上海市科学技术委员会项目(No.18010500600,17411953400)资助。
-
文摘
图像配准是医学影像处理与智能分析领域中的重要环节和关键技术.传统的图像配准算法由于复杂性较高、计算代价较大等问题,无法实现配准的实时性要求.随着深度学习方法的发展,基于学习的图像配准方法也取得显著效果.文中系统总结基于深度学习的医学图像配准方法.具体地,将方法归为3类:监督学习,无监督学习和对偶监督/弱监督学习.在此基础上,分析和讨论各自优缺点.进一步,着重讨论近年来提出的正则化方法,特别是基于微分同胚表示的正则和基于多尺度的正则.最后,根据当前医学图像配准方法的发展趋势,展望基于深度学习的医学图像配准方法.
-
关键词
图像配准
深度学习
形变场
微分同胚
多尺度正则
-
Keywords
Image Registration
Deep Learning
Displacement Vector Field
Diffeomorphism
multi-scale regularization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名铁路清洁自洽能源宜能空间识别
- 2
-
-
作者
滕婧
李龙恺
杨淇
师瑞峰
-
机构
华北电力大学控制与计算机工程学院
-
出处
《交通运输工程学报》
EI
CSCD
北大核心
2024年第5期12-22,共11页
-
基金
国家重点研发计划(2021YFB2601300)
中央高校基本科研业务费专项资金项目(2023JC007)。
-
文摘
为了智能识别铁路沿线的清洁自洽能源宜能空间,构建了一个包含210张分辨率为4800像素×2986像素的铁路遥感图像数据集;针对遥感图像处理领域中多尺度融合单元通道信息不兼容的问题,提出了自注意力机制模块,以增强对多尺度特征的捕捉能力;针对不同尺度高分辨率遥感图像预测结果存在的差异性,提出了多尺度一致性正则化方法(MSCR),以增强模型对不同尺度图像处理的鲁棒性;综合自注意力机制模块与多尺度一致性正则化方法,对经典的图像分割HRNetV2方法进行了改进,构建了MSCR-HRNetV2方法;在自建的铁路遥感图像数据集和公开的Potsdam遥感图像数据集分别对MSCR-HRNetV2方法进行验证。研究结果表明:在铁路遥感图像数据集上,改进的MSCR-HRNetV2方法取得了81.37%的平均交并比,相较于原HRNetV2方法提高了3.13%,与主流图像分割方法DeepLabV3+相比,提高了3.86%;在Potsdam遥感图像数据集上,MSCR-HRNetV2方法的平均交并比达到了75.96%,相比HRNetV2方法提高了2.01%,与DeepLabV3+相比提高了2.19%。可见,改进的MSCR-HRNetV2方法显著提高了高分辨率遥感图像的语义分割性能,从而智能识别铁路沿线的清洁自洽能源宜能空间,为交通能源融合系统的规划和设计提供了重要的技术支撑。
-
关键词
交通能源融合
宜能空间识别
MSCR-HRNet方法
铁路遥感图像
自注意力机制
多尺度一致性正则化
-
Keywords
integration of transportation and energy
desirable energy space identification
MSCR-HRNet method
remote sensing image of railway
self-attention mechanism
multi-scale consistency regularization
-
分类号
U212.2
[交通运输工程—道路与铁道工程]
-
