简介:摘要:最初的WSOD方法主要基于实例学习(Multiple-In⁃stanceLearning,MIL),这包括使用影像作为套装程式(肯定套装程式至少包含一个肯定执行处理,否定套装程式的所有执行处理都是否定执行处理)、使用物件建议作为执行处理,以及使用这些套装程式产生低监督目标感测器。MIL标准将点值低于指定点但很可能为负值的对象实例计算在内。在这种情况下,选定对象实例的外观和大小略有不同,因此无法创建更敏感的检测分类。您也可以在训练期间选取遗失的实体做为负数实体,以进一步减少分类器的侦测。为了解决这个问题,最近的研究人员拥有一个全面的MIL网络,如 ocr(online instance class lock-finish)、PCL(ProposalClusterLearning)和其他基于CNN的强大学习能力。在端到端MIL网络中,变体分类问题被认为是学习集成模型(映像)时的潜在问题。使用成员名称培训分类,您可以区分正负成员,并获得最积极的结果。但是,由于WSOD图像中没有对象实例级别的标签,因此WSOD方法和fullyuplevelelevationlabeldetection(fsod)方法之间的性能差异很大。本文主要分析特征融合与分割引导的弱监督目标检测。
简介:摘要:针对肠道内息肉的难分割问题,提出了基于注意力引导上下文校正的息肉分割方法。该方法是在以U-Net为基础架构上开发出三个模块嵌入U-Net,能够胜任高效地息肉分割。为了缓解来自息肉图像背景噪声的干扰并且能够高效率地从背景当中辨识息肉,本文采用了增强式上下文校正模块,设计了渐进式上下文感知模块和多尺度金字塔聚合模块,将以上三个模块进行整合,提出基于注意力引导上下文校正的息肉分割方法,并在Kvasir-SEG数据集上面做了大量的实验,实验结果验证了本文所提出网络模型的有效性。
简介:摘要目的探讨光学体表引导摆位对于颅内转移瘤放射治疗精度的提高作用。方法收集于中国医学科学院肿瘤医院拟行大分割放疗的颅内转移瘤患者19例,采用头颈肩联合开放式面罩固定。第一次治疗使用体表标记线辅助摆位(简称标记线摆位),行锥形束CT(CBCT)扫描六维位置校正后采集体表轮廓作为后续治疗的参考图像。后续治疗分次随机分为标记线摆位(85分次)和光学体表引导摆位(简称光学摆位,101分次)。每分次治疗时均记录光学体表监测数据并采集CBCT图像进行验证。比较采用两种摆位方法患者的六维误差数据,用x¯±s表示。在采用标记线摆位的分次,比较光学体表监测和金标准CBCT两种测量方法的相关性和一致性。使用Pearson相关分析法分析相关性,Bland-Altman法检验两者的一致性。结果两种位置验证方式的左右、头脚、腹背3个方向平移误差以及俯仰、翻滚、旋转3个角度的旋转误差相关系数分别为0.91、0.70、0.78、0.75、0.85、0.77(P<0.01),且两种方法的测量结果呈正相关,六组数值95%一致性限度范围分别为-0.29~0.19 cm(左右)、-0.25~0.25 cm(头脚)、-0.27~0.19 cm(腹背)、-1.76°~1.76°(俯仰)、-1.54°~1.60°(翻滚)、-2.18°~1.69°(旋转),均<3 mm/3°。与标记线摆位相比较,光学摆位三维误差从(0.35±0.16)cm降低到(0.14±0.07)cm。结论光学体表监测误差和CBCT误差具有很好的相关性和一致性。光学摆位可减小开放式面罩固定下颅内转移瘤放疗分次间摆位误差。
简介:古建墙壁题记毛笔文字受霉变污染影响,字迹不清,不利于辨识,而传统算法对文字图像进行分割时未充分考虑污染和文字的特征信息,结果中往往存在误分割或缺损现象。本研究提出一种结合图像偏振信息的多特征引导GrabCut分割算法,该方法首先对采集的0°、45°、90°、135°四个角度偏振图像进行斯托克斯解算,得到偏振度特征图;然后利用SLIC对可见光相机采集的题记图像进行超像素分割,并提取超像素的颜色特征距和纹理特征距;最后,用偏振度约束区域项,特征距引导边界项,进行GrabCut分割,得到毛笔文字分割结果。实验结果表明,本算法与未考虑偏振和特征距信息的图割算法相比,分割效果得到较大改善。研究结果可为书法研究和文字拓本的数字化存储提供有力的科学支持,也为题记的实体去污修复过程提供充足的科学指引和实验环境。