基于多孔小波融合的PET/CT 图像增强及其评价

目的:为解决融合图像视觉效果增强与量化信息损失之间的矛盾,本文提出一种基于非降采样的多孔小波(àtrous wavelet)分解的PET/CT图像融合方法,使得融合图像既有利于肿瘤诊断又能用于放疗靶区勾画和放射性定量分析。方法:对PET和CT图像分别进行多孔小波分解,以包含肿瘤目标的适当大小的感兴趣区域的清晰度为目标函数,采用Nelder-Mead算法对PET和CT图像高频分解系数之比进行优化获得最终的融合系数,使融合图像充分增加解剖学信息的同时又尽量保持PET图像原有的局部和整体灰度信息。结果:融合图像质量评价表明,本文方法能将有价值的PET功能信息与精确的CT解剖信息结合在一起,并克服传统小波融合损失图像量化信息的不足。结论:基于多孔小波融合的PET/CT图像既能用于肿瘤诊断,又能同时用于肿瘤学放射性计算和适形放疗计划制定等量化研究。     

应用生长、分级的自组织映射模型进行意识任务分类

提出一种使用生长、分级的自组织映射(growing hierarchical self-organizing map,GHSOM)模型进行基于EEG信号的意识任务分类来实现脑机接口技术的方法.GHSOM模型是自组织映射(self-organizing map,SOM)的一种变体,由多层的SOM组成,具有一定的分级结构,能够表达数据中不同层次的信息.同时研究了使用平均量化误差(mean quantization error,mqe)和量化误差(quantization error,qe)两种方法实现的GHSOM模型对意识任务分类的作用.结果表明,GHSOM模型对于意识任务的可分性能够提供可视化的信息,并且发现使用量化误差方法实现的GHSOM模型提供较多的数据信息和较高的分类精度.使用GHSOM模型进行了5类意识任务的分类,平均分类精度可达80%.     

人工智能大模型医学应用研究

近年来,以自然语言处理和视频图像分析为主的人工智能大模型技术得到快速发展,其基本特征是聚焦相关应用领域的共性需求,通过大数据、强算力和复杂算法的高效协同与深度融合,构建通用预训练模型,广泛适配下游任务,有力提高模型的处理性能与研发效率.因此,大模型技术为医学人工智能高质量发展提供了难得契机.本文通过全面梳理国内外大模型的研究进展、关键技术与核心算法,分析总结生物医学领域一系列标准数据集和预训练模型的发展特点,结合医学人工智能的研发实践,深入剖析医学领域大模型构建的应用需求、解决思路与研发经验,助力推动医学大模型创新发展.     

基于Snake模型的医学图像分割

基于Snake模型的图像分割技术是近年来图像处理领域的研究热点之一。Snake模型承载上层先验知识并融合了图像的底层特征,针对医学图像的特殊性,能有效地应用于医学图像的分割中。本文对各种基于Snake模型的改进算法和进化模型进行了研究,并重点梳理了最新的研究成果,以利于把握基于Snake模型的医学图像分割方法的脉络和发展方向。     

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。     

常用医学图像“局部显微镜”程序的研究

在医学临床和科学研究中,常常需要将图像的某个感兴趣区域(ROI)进行放大显示,以便清晰地观察图像的细节.为了实现这一目标,采用IDL语言(Interactive Data Language)编写了应用程序,从而实现了医学图像“局部显微镜”的功能.一系列实验表明:对于各种常用的医学图像类型(灰度图像、RGB图像、DICOM图像等),程序均能较好地实现放大显示的功能.此外,该程序还具有人机交互性强、可移植性高等优点.     

基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统

【目的】为减轻基层测报人员工作量,提高稻纵卷叶螟Cnaphalocrocis medinalis性诱测报的准确率和实时性,实现监测数据可追溯,建立了基于机器视觉的稻纵卷叶螟性诱智能监测系统。【方法】稻纵卷叶螟性诱智能监测系统包括基于机器视觉的智能性诱捕器、基于深度学习的稻纵卷叶螟检测模型、系统Web前端和服务器端。利用工业相机、光源和Android平板搭建了智能性诱捕器的机器视觉系统;建立了基于改进的YOLOv3和DBTNet-101双层网络的稻纵卷叶螟检测模型;利用HTML, CSS, JavaScript和Vue搭建系统Web前端展示稻纵卷叶螟检测与计数结果;使用Django框架搭建服务器端,对来自智能性诱捕器通过4G网络上传的图像进行接收与结果反馈;采用MySQL数据库保存图像和模型检测结果等信息。【结果】基于机器视觉的稻纵卷叶螟性诱智能监测系统利用智能性诱捕器自动定期上传稻纵卷叶螟图像至服务器,部署在服务器上的目标检测模型对稻纵卷叶螟成虫进行实时自动检测,精确率和召回率分别达97.6%和98.6%;用户可通过Web前端查看稻纵卷叶螟检测结果图。【结论】基于机器视觉的稻纵卷叶螟性...     

基于近红外荧光制剂的多模态多功能分子影像技术在肿瘤模型中的应用

多模态融合的分子影像技术整合了多种分子影像技术的优势,已成为当前分子影像领域研究的热点和发展趋势。新近报道的七甲川菁(heptamethine cyanine)染料是一类具有肿瘤靶向性的近红外荧光(nearinfrared fluorescence,NIRF)制剂。该染料独特的光学特征使其在肿瘤分子影像、靶向治疗和药物传递系统方面具有广阔的应用前景。纳米材料包裹该类染料可用于NIRF/MRI双模成像,标记核素后可实现NIRF/PET双模成像,共轭结合化疗药物后,可实现抗肿瘤药物的靶向传递,多个七甲川菁染料的复合物已被用作多模态成像,成为光热、光动力学和组合治疗肿瘤的新策略。     

基于OverFeat模型的长江口南汇潮滩植被分类

潮滩地带环境复杂多变, 有些植被之间光谱特性相似, 为了解决植被精细分类精度不高的问题, 利用基于ImageNet预训练的卷积神经网络OverFeat模型, 以高分二号(GF-2)卫星遥感影像作为实验数据, 对长江口南汇潮滩不同生长状态的植被进行了深度特征提取, 然后将模型训练好的深度特征输入到支持向量机(SVM)分类器中, 得到植被分布信息。研究结果表明, 与基于光谱特征的SVM分类方法相比, 文章所用方法的分类精度更高, 总体精度可达96.08%, 证明了使用基于ImageNet数据集的预训练卷积神经网络对不同生长状态的植被可以实现较好的识别。     

基于深度学习的葡萄砧木叶片识别研究

嫁接有利于增强树体对生物及非生物胁迫的适应能力,提高葡萄产量和品质。葡萄砧木品种多样复杂,识别难度较大,深度学习能够快速提取图像的深层特征,被广泛应用于植物图像分类识别领域。本研究以30份葡萄砧木成龄叶图像作为研究对象,通过采集叶片图像,构建了一个包含13547张的葡萄砧木叶片图像的数据集。采用GoogleNet、ResNet-50、ResNet-101以及VGG-16等4个卷积神经网络对其进行自动识别。结果表明：精度最高的分类网络为ResNet-101,在最优模型参数（学习率：0.005,最小批次：32,迭代次数：50）下精度达到97.5%。ResNet-101模型检测的30个品种中,平均预测精确率为92.59%,有7个品种的预测精确率达到100%;平均召回率为91.08%,有8个品种的召回率达到100%,叶片的叶面纹理、叶脉以及叶缘部分对品种识别的影响最大。以上结果证实,深度学习网络模型可以实现对葡萄砧木的自动实时识别,为葡萄砧木品种的保护、利用、分类研究以及其他农作物的品种识别提供参考。     

Au NPs/UCNPs复合纳米体系用于荧光成像引导下的肿瘤光热治疗的研究进展

近红外(NIR)光诱导的光热治疗(PTT)因其无创、非侵入、毒副作用低、可精准靶向治疗等特性,已成为肿瘤精准治疗的新型手段。凭借其独特的表面等离激元共振(SPR)特性及其高效的光热转换效率、生物毒性与良好的光稳定性,金纳米颗粒(Au NPs)已成为理想的光热治疗剂。而高质量成像技术是实现有效光热治疗的可靠有力的工具,尤其是多模态成像技术,比起单一成像方式具有更卓越的性能,为更全面、更精准的肿瘤成像提供了可能,显著提高了非侵入性医学治疗的潜力。NIR光激发的稀土上转换纳米颗粒(UCNPs),因其丰富的4f电子结构展现出磁性、荧光、X射线衰减和放射等多功能特性,使其作为造影剂在多模态成像领域展现了重要的应用前景。因此,构建NIR光诱导的Au NPs/UCNPs复合纳米体系,可用于多模态成像引导下的光热治疗,有望成为癌症诊疗的一种新策略。本文简单介绍了Au NPs、UCNPs的光学特性,重点综述了NIR光诱导的UCNPs-Au NPs(纳米壳、纳米棒、纳米团簇)复合纳米体系在癌症光热治疗领域的最新研究进展,并对其实现诊疗一体化的未来进行了展望。     

滨海盐渍土地区水稻田C、N 及生物量动态变化的模拟与应用

滨海盐渍土地区耕地的有机碳(SOC)、氮(N)及生物量演变是反映该区域土壤质量的重要内容。借助DNDC(Denitrification-Decomposition)模型模拟江苏滨海滩涂地区盐渍土水稻田土壤有机碳(SOC)、铵态氮(NH4⁺-N)、硝态氮(NO^–3 -N)和生物量的变化过程, 分析DNDC 模型在江苏滨海盐渍土垦区土壤的适用性, 并对DNDC 模型模拟结果进行验证。结果表明：DNDC 模型在滨海地区水稻田对生物量、土壤有机碳和氮的模拟结果良好; 土壤有机碳均方根误差(RMSE)为0.069, 土壤铵态氮RMSE 为11.1, 硝态氮RMSE 为0.28, 总生物量RMSE 为397.92; 滨海盐渍土土壤有机碳和作物产量模拟精度较高(RMSE<10%), 铵态氮和硝态氮模拟精度较好(RMSE<20%); 模型能正确反映土壤有机碳、硝态氮、铵态氮在水稻生长过程中的变化规律, 同时能很好地揭示施肥与氮素含量、硝态氮与土壤水之间以及铵态氮和硝态氮含量上的相互关系。     

基于街景数据的绿视率模型构建及其影响因子研究

以行人的视觉直观感受为出发点, 以匈牙利塞克什白堡为研究区, 基于街景数据, 深入研究植被信息提取方法, 针对传统像素级分类容易造成过度提取的现象, 提出一种面向对象的街景图像分类方法, 构建了基于街景数据的绿视率模型, 并分析总结了街景图像拍摄时的水平视角、垂直视角、水平方向范围等镜头参数对绿视率计算的影响。研究结果表明: 面向对象的分类方法提升了街景图像分类的精度和效率, 为绿视率计算模型提供了新的数据源和计算方法; 采集街景图像时, 增加水平视角和垂直视角、扩大水平方向范围能使绿视率计算结果更加真实地反映行人视觉感受。构建的绿视率计算模型能从行人角度为街道绿化的布局和空间结构优化提供依据, 可为城市绿地规划设计、居住区视觉生态设计等提供参考依据。     

地形校正对森林生物量遥感估测的影响

基于常用的4种地形校正模型（Cosine模型、C模型、C+SCS模型、Minnaert模型）,以IDL语言为二次开发平台,对黑龙江省帽儿山地区2007年7月21日TM图像进行地形校正,从视觉差异、图像的定量统计特征两方面评价了4种地形校正模型的修正效果,并比较了地形校正后几种遥感因子与森林生物量的相关性,建立了森林生物量的遥感反演模型,分析了不同地形校正模型对森林生物量反演的影响.结果表明：由于K-T变换采用线性变换方式,地形校正后遥感数据与森林生物量的相关性出现了较大波动,应根据地表信息调整变换参数,因此该变换方式不适合与地形校正结合使用;植被指数的信息量在地形校正后明显提高,其与森林生物量的相关性显著增强;4种地形校正模型中,Cosine校正过度,不宜采用,C模型和C+SCS模型通过引入半经验参数,较好地消除了地形效应,Minnaert模型校正后降低了森林生物量估测的误差,有效地提高了遥感反演模型的精度.     

通过光谱与视觉模型研究动物体色

体色是动物进行种内和种间信息交流的重要性状特征。与人类的三基色视觉系统不同,许多动物都具有四面体颜色系统,包括人眼无法探测的紫外光区域。动物体色是动物生态学中的一项重要研究内容,以人类主观角度对动物体色进行描述和分类,可能会导致研究结果的偏差,甚至得出错误结论。该文以赤红山椒鸟(Pericrocotus flammeus)为实例,通过分段光谱分析,对动物体色的色调、色度、亮度以及各波段的亮度进行量化;通过构建先进的动物视觉模型以考虑环境光线的影响和动物视网膜对不同波段光线的敏感度和捕获能力,同时将颜色斑块直观投射在四面体颜色空间和罗宾逊投影中,以量化颜色跨度和空间容量等参数,真正实现从动物的视觉角度分析动物体色。     

基于动态方向梯度矢量流模型的脑肿瘤图像分割

目的:针对GVF Snake模型算法收敛容易陷入局部极小值及对初始轮廓位置敏感等缺点,提出一种动态方向梯度矢量流模型(DDGVF),使其更适合医学图像的分割。方法:利用主动轮廓模型的提取和跟踪特定区域内目标轮廓的方法,将其应用于医学图像如CT、MRI和超声图像的处理,以获取特定器官及组织的轮廓。结果:动态方向梯度矢量流场(DDGVF)能够较好地提取出脑肿瘤图像。结论:利用该方法能够较好地分割提取出脑肿瘤图像的肿瘤病变区域,为进一步对其纹理和形状等特征进行描述和分析提供了可靠的依据。     

基于多模态生态治理数据构建生态管理知识图谱技术

我国新时代十年是生态环境保护认识最深、力度最大、举措最实、推进最快、成效最显著的十年。生态环境治理取得成效的同时,管理措施也逐步成熟和规范化,相关生态管理知识成果的文本、视频、照片等多模态数据也日益丰厚。采用先进的知识图谱理念创新我国生态环境保护工作,对未来助力打赢污染防治攻坚战,构建现代环境治理体系具有重要意义。聚焦我国美丽中国和生态文明建设工程领域,将典型污染防治攻坚战、生态恢复工程多模态素材作为数据源,通过数据整合、知识抽取、知识融合后形成标准知识表述,构建生态管理知识图谱体系。具体包括(1)定量分析深圳市"散乱污"企业整治成功案例数据,抽取管理主体、管理对象等实体,挖掘其空间特征、污染特征、治理效果关系;(2)关联分析企业驻点、污染物热点和城市空间相互关系;(3)通过我国典型生态环境损害赔偿案件中的"实施行为-破坏对象-损害功能"特定关系分析,抽取"生态治理行为--受影响环境要素--生态服务提升程度"生态环境管理知识图谱;(4)最终形成了整合"散乱污"治理、生态环境治理行为的综合性生态管理知识图谱,构建了包含12类本体、82个实体,4类、201条关系的图数据库。研究表明,通过污染防治攻坚战成功案例、生态恢复工程成效的多模态数据构建我国生态管理知识图谱,能够形成贴近现实需求的知识体系,有助于依法治污、科学治污和精准治污全过程;也有助于生态环境损害鉴定评估工作中的"多因一果"和"一因多果"分析。建议未来加大生态管理知识图谱的应用,精准识别管理对象、实现科学分析与智能决策,促进公众参与生态管理和加快生态产品价值实现。     

模拟昆虫视觉-行为抉择的强化学习模型

视觉信息用于行为抉择的过程是一个极其复杂的脑信息处理过程,昆虫或动物对外界环境的学习是以价值来控制的,并可影响其行为抉择,研究这一过程对揭示人类自身脑运行机制有重要意义.文章在郭爱克研究小组果蝇实验提供的生物依据基础上,提出了一种模拟果蝇视觉-行为抉择的神经网络模型.该模型引入了价值和基于价值的强化学习算法,应用于输入视觉图像的强化学习,以此建立果蝇脑内多巴胺和蘑菇体对于抉择判断的价值体系.模拟的结果表明,该模型可以模拟果蝇视觉信息的学习和行为抉择过程,其结果与生物实验相符,同时也为机器人视觉信息控制行为抉择的应用提供了基础.     

缺血性心肌病的多模态心血管影像学方法进展

近年来,超声(ultrasound, US)、CT冠状动脉造影(CT coronary angiography, CCTA)、血管内超声(intravenous ultrasound,IVUS)、光学相干断层成像(optical coherence tomography, OCT)、多层螺旋CT成像(multi-slice computed tomography, MSCT)、单光子发射计算机断层成像(single-photon emission computed tomography, SPECT)、正电子发射计算机断层成像(positron emission computed tomography, PET)及心脏磁共振(cardiac magnetic resonance, CMR)等多种心血管成像技术能够提供与冠脉病变及心肌形态和功能相关的解剖学、血流动力学、细胞生物学及病理生理学等方面的重要信息,在缺血性心肌病的临床诊疗及预后评估中发挥着日益重要的作用。然而,如何恰当选择的多模态心血管影像技术是临床医师面临的一大难题。因此,本文在归纳总结主要心血管成像技术临床应用进展的基础上,对多模态心血管影像学在缺血性心肌病相关的冠脉解剖与斑块成像、心肌功能、心肌灌注及心肌活性显像中的临床应用价值进行综述。旨在帮助临床医师客观认识各种成像技术的优势与不足,从而制定最优化的选择方案。     

基于实测光谱混合像元分解的苹果园地遥感提取技术

以山东省栖霞市为研究区,对苹果花期的TM影像进行混合像元分解,提取苹果园地信息.基于实测地物光谱端元,利用小波变换对线性分解模型进行改进,采用实测端元改进后线性分解模型、实测端元线性分解模型、TM影像端元线性分解模型分别提取研究区苹果园地信息,并以ALOS数据进行精度评价.结果表明:经过精确的大气及地形校正后,可以利用实测光谱端元进行混合像元分解,面积精度＞97％,对丰度图像的归一化植被指数(NDVI)值与ALOS数据的平均NDVI值进行回归分析,R2＞0.8;利用小波变换对线性分解模型进行改进,可在一定程度上提高分解精度.