模式识别与人工智能
   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能
22 学术不端论文认定及处理办法
22 版权转让协议
22 保密证明
22 录用稿件电子版要求
22 修改说明格式
更多....
22 中国自动化学会
22 国家智能计算机研发中心
22 中科院合肥智能机械所
更多....
 
 
2021年 34卷 4期 刊出日期 2021-04-25
“智能医疗与医学图像处理”专辑
 
“智能医疗与医学图像处理”专辑
285 “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
2021 Vol. 34 (4): 285-286 [摘要] ( 479 ) [HTML 1KB] [PDF 186KB] ( 488 )
287 基于深度学习的医学影像配准综述
应时辉, 杨菀, 杜少毅, 施俊
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.
2021 Vol. 34 (4): 287-299 [摘要] ( 1465 ) [HTML 1KB] [PDF 987KB] ( 757 )
300 嵌入压缩采样的腹部CT胰腺分割网络
徐强强, 张敏, 任冯刚, 吕毅, 冯筠
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.
2021 Vol. 34 (4): 300-310 [摘要] ( 435 ) [HTML 1KB] [PDF 2637KB] ( 363 )
311 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, 郭艳蓉, 陈涛, 汪萌, 洪日昌
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
2021 Vol. 34 (4): 311-321 [摘要] ( 493 ) [HTML 1KB] [PDF 1376KB] ( 486 )
322 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
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.
2021 Vol. 34 (4): 322-332 [摘要] ( 343 ) [HTML 1KB] [PDF 2252KB] ( 508 )
333 基于深度神经网络的个性化睡眠癫痫发作预测
程晨晨, 尤波, 刘燕, 戴亚康
现有癫痫发作预测方法存在精度较低、错误报警率较高、癫痫患者睡眠脑电特异性、致痫灶位置和类型不同导致脑电信号存在差异的问题.文中提出基于深度神经网络的个性化睡眠癫痫发作预测方法,帮助医生和患者采取及时有效的治疗措施,降低患者患并发症和猝死的概率.对原始脑电信号滤波和分段以去除噪声,保证短时间内触发警报,利用离散小波变换分解信号并提取统计特征表征脑电信号时频特征.再应用双向长短期记忆网络挖掘最具鉴别能力的特征并结合留一法分类,经过决策过程优化得到预测结果.在不同频带限制条件下的实验表明,与睡眠癫痫相关的δ频带信号是影响发作预测性能的重要因素.相比现有睡眠癫痫预测方法,文中方法性能较优.
2021 Vol. 34 (4): 333-342 [摘要] ( 599 ) [HTML 1KB] [PDF 886KB] ( 518 )
343 基于人工智能的类风湿性关节炎中医辅助诊疗系统
孙明俊, 张丹, 郑明智, 梅舒欢
类风湿性关节炎(RA)是一种广泛存在且慢性、难治的全身性免疫风湿病,中医在其治疗中具有副作用较少、价格相对低廉等优势,但是中医师的缺乏限制RA中医诊疗方案的推广.因此,文中提出基于人工智能的RA中医辅助诊疗系统.通过对患者病历文本和关节影像数据的学习实现对RA和RA证型的判断,辅助医生诊断,并根据证型智能推荐中医药方.文中还基于RA中医药典籍知识构建知识图谱,在医生诊疗过程中提供诊疗知识指导.系统可辅助经验不足的临床医师做出诊疗决策,提高RA的治疗水平,有助于对RA治疗的研究和推广.
2021 Vol. 34 (4): 343-352 [摘要] ( 1136 ) [HTML 1KB] [PDF 1382KB] ( 635 )
353 基于医学影像分割方法的多模态语料库构建
林玉萍, 郑尧月, 郑好洁, 张栋, 王丛, 李小棉, 李颖玉, 田智强
电子文本病历语料库可提供相关医学影像的定性诊断结果,但缺乏直观影像和文本标注信息,不利于有效管理医学数据和医科学生自主学习相关医学知识.针对此问题,文中提出基于深度水平集算法的医学影像分割方法,对医学影像进行自动分割,给出感兴趣区域的轮廓结果及相关定量指标,并结合自然语言处理方法实现电子病历文本的标注,增强影像与文本病历多模态语料库的信息表征能力.在青光眼影像数据上的实验表明,文中方法可精准分割眼底图像中视盘和视杯,有效构建具有直观影像标记与对应病历文本的多模态语料库.
2021 Vol. 34 (4): 353-360 [摘要] ( 577 ) [HTML 1KB] [PDF 1577KB] ( 302 )
361 基于自监督边缘融合网络的MRI影像重建
李仲年, 张涛, 张道强
医学影像的统计研究表明,组织的边缘信息是医学影像重建最难恢复的一个部分,但现有基于深度学习的重建方法均缺乏对边缘信息的显式考虑.为了在重建时考虑影像的边缘信息,文中提出自监督边缘融合网络,完成MRI影像的压缩感知重建.首先使用边缘检测算子,以无需人工标注的方式生成影像的边缘标记.再提出自监督的辅助网络,将边缘标记以特征学习的方式转换成可融合的特征.设计自顶向下的特征融合机制,将自监督网络学习的特征融入重建网络,实现对影像的压缩感知重建.实验表明,文中网络可较好地捕获影像的边缘信息,重建效果较优.
2021 Vol. 34 (4): 361-366 [摘要] ( 387 ) [HTML 1KB] [PDF 2564KB] ( 384 )
367 面向磁共振图像重建的k空间降采样优化
宣锴, 王乾
成像速度是关系磁共振临床应用效能的重要因素,在k空间中降采样,再配合图像重建,可有效加快成像速度.因此,文中考虑降采样方式对磁共振图像重建质量的影响,在训练深度学习网络进行磁共振图像重建的情况下,提出联合优化k空间降采样方式与重建模型的方法.从k空间全采样入手,逐步删除次要的相位编码,直到针对相位编码的采样满足稀疏性要求为止.同时,采样方式的优化是和深度学习图像重建模型参数优化交替进行,即赋予每个相位编码一个权重,通过权重大小确定相位编码的重要性,在优化重建网络参数的同时,完成对k空间降采样方式的优化.实验表明文中方法可提升磁共振图像重建质量.
2021 Vol. 34 (4): 367-374 [摘要] ( 782 ) [HTML 1KB] [PDF 1883KB] ( 799 )
375 基于多尺度特征和注意力机制的肝脏组织病理图像语义分割网络
张墺琦, 亢宇鑫, 武卓越, 崔磊, 卜起荣
针对肝脏组织病理图像分割中存在的正常组织和异常组织过渡区域较难分割和空洞较多的问题,设计基于多尺度特征和注意力机制的肝脏组织病理图像语义分割网络.在编码器中提取融合多尺度特征,改善正常组织和异常组织过渡区域的分割效果.同时利用注意力机制对空间维度和通道维度进行相关性建模,获得每个像素类内响应和通道间的依赖关系,缓解肝脏组织病理图像空洞较多对网络学习带来的影响.实验表明文中网络可较快速准确分割肝脏组织病理图像损伤区域.
2021 Vol. 34 (4): 375-384 [摘要] ( 609 ) [HTML 1KB] [PDF 4471KB] ( 422 )
模式识别与人工智能
 

主管：中国科学技术协会
主办：中国自动化学会
　　　国家智能计算机研究开发中心
　　　中国科学院合肥智能机械研究所
出版：科学出版社
 
版权所有 © 《模式识别与人工智能》编辑部
地址：安微省合肥市蜀山湖路350号　电话：0551-65591176　传真：0551-65591176　Email：bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn