年34卷4期
“智能医疗与医学图像处理”专辑序言
辛景民,杜少毅,杨勐,左炜亮
西安交通大学人工智能学院人工智能与机器人研究所西安
********************************************************************************
基于深度学习的医学影像配准综述
应时辉1,杨菀1,杜少毅2,施俊3
1.上海大学理学院数学系上海
2.西安交通大学人工智能学院人工智能与机器人研究所西安
3.上海大学通信与信息工程学院上海
摘要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
引用本文:
应时辉,杨菀,杜少毅,施俊.基于深度学习的医学影像配准综述[J].模式识别与人工智能,,34(4):-.
YINGShihui,YANGWan,DUShaoyi,SHIJun.DeepLearningBasedMedicalImageRegistration:AReview.,,34(4):-.
********************************************************************************
嵌入压缩采样的腹部CT胰腺分割网络
徐强强1,张敏1,任冯刚2,吕毅2,冯筠3
1.西北大学数学学院西安
2.西安医院肝胆外科西安
3.西北大学信息科学与技术学院西安
摘要针对全自动分割算法因胰腺器官解剖变异性较高而难以实现准确定位的问题,文中提出嵌入压缩采样的编码器解码器网络.通过分阶段训练网络的方式,分割网络可级联在预训练阶段,从标签空间中感知的胰腺位置先验知识实现对分割目标的精准定位,保证分割结果与标签形状的一致性.胰腺器官分割实验表明,文中网络分割性能较优.
关键词：医学图像,胰腺分割,编码器解码器网络,压缩采样模型
引用本文:
徐强强,张敏,任冯刚,吕毅,冯筠.嵌入压缩采样的腹部CT胰腺分割网络[J].模式识别与人工智能,,34(4):-.
XUQiangqiang,ZHANGMin,RENFenggang,LüYi,FENGJun.PancreasSegmentationNetworkforAbdominalCTBasedonCompressiveSampling.,,34(4):-.
********************************************************************************
基于自适应稀疏结构学习的神经精神疾病特征选择方法
郝世杰1,2,郭艳蓉1,2,陈涛1,2,汪萌1,2,洪日昌1,2
1.合肥工业大学大数据知识工程教育部重点实验室合肥
2.合肥工业大学计算机与信息学院合肥
摘要在计算机辅助诊断神经精神疾病研究中,需要专业人士为样本进行诊断级的语义标注,耗费大量时间和精力,因此,以无监督的方式开展神经精神疾病辅助诊断研究具有重要意义.文中提出基于自适应稀疏结构学习的无监督特征选择方法,用于精神分裂症和阿兹海默症辅助诊断.在统一框架下同时学习稀疏表示和数据流形结构,并在该框架中采用一般化范数对稀疏学习的重构误差进行建模,不断迭代更新数据集的流形结构,解决传统特征选择方法存在的鲁棒性不足问题.在精神分裂症和阿兹海默症两个公共数据集上的实验表明文中方法在神经精神疾病分类中的有效性
关键词：无监督特征选择,自适应稀疏结构学习,流形学习,神经精神疾病研究
引用本文:
郝世杰,郭艳蓉,陈涛,汪萌,洪日昌.基于自适应稀疏结构学习的神经精神疾病特征选择方法[J].模式识别与人工智能,,34(4):-.
HAOShijie,GUOYanrong,CHENTao,WANGMeng,HONGRichang.FeatureSelectionMethodforNeuropsychiatricDisorderBasedonAdaptiveSparseStructureLearning.,,34(4):-.
********************************************************************************
本征图像分解的可变尺度局部分析与集成方法
石雪,徐海平,李纯明
电子科技大学信息与通信工程学院成都
摘要针对自然图像与磁共振图像,提出本征图像分解的统一的数学模型与算法,解决这两类图像中的重要问题:1)自然图像的光照和反射图像的估计,2)磁共振图像中的偏移场估计与分割.文中数学模型只需要一个基本的假设,即观察到的图像可近似为两个具有不同特性的本征图像的乘积:一个光滑的图像,简称为S-图像;一个近似为分片常量的图像,简称为L-图像.为了充分利用本征图像的特性,提出可变尺度局部分析与集成的方法.由于S-图像的光滑性,使用低阶泰勒展开式或更一般的光滑基函数的线性组合以局部逼近.得到的局部光滑逼近可通过整个感兴趣区域(ROI)的局部区域覆盖及其对应的单位分解扩展成整个ROI上的光滑图像,同时得到图像分割结果和L-图像.实验表明,文中方法对图像的两个本征因子的假设较弱,适用于更广泛的图像.目前方法已在磁共振图像及自然图像中进行测试,得到较优结果.
关键词：本征图像,图像分割,光照与反射图像,磁共振成像
引用本文:
石雪,徐海平,李纯明.本征图像分解的可变尺度局部分析与集成方法[J].模式识别与人工智能,,34(4):-.
SHIXue,XUHaiping,LIChunming.AScalableLocalAnalysisandIntegrationApproachtoIntrinsicImageDe