真实场景点云不仅具有点云的空间几何信息,还具有三维物体的颜色信息,现有的网络无法有效利用真实场景的局部特征以及空间几何特征信息,因此提出了一种双通道特征融合的真实场景点云语义分割方法DCFNet(dual-channel feature fusion of ...真实场景点云不仅具有点云的空间几何信息,还具有三维物体的颜色信息,现有的网络无法有效利用真实场景的局部特征以及空间几何特征信息,因此提出了一种双通道特征融合的真实场景点云语义分割方法DCFNet(dual-channel feature fusion of real scene for point cloud semantic segmentation)可用于不同场景下的室内外场景语义分割。更具体地说,为了解决不能充分提取真实场景点云颜色信息的问题,该方法采用上下两个输入通道,通道均采用相同的特征提取网络结构,其中上通道的输入是完整RGB颜色和点云坐标信息,该通道主要关注于复杂物体对象场景特征,下通道仅输入点云坐标信息,该通道主要关注于点云的空间几何特征;在每个通道中为了更好地提取局部与全局信息,改善网络性能,引入了层间融合模块和Transformer通道特征扩充模块;同时,针对现有的三维点云语义分割方法缺乏关注局部特征与全局特征的联系,导致对复杂场景的分割效果不佳的问题,对上下两个通道所提取的特征通过DCFFS(dual-channel feature fusion segmentation)模块进行融合,并对真实场景进行语义分割。对室内复杂场景和大规模室内外场景点云分割基准进行了实验,实验结果表明,提出的DCFNet分割方法在S3DIS Area5室内场景数据集以及STPLS3D室外场景数据集上,平均交并比(MIOU)分别达到71.18%和48.87%,平均准确率(MACC)和整体准确率(OACC)分别达到77.01%与86.91%,实现了真实场景的高精度点云语义分割。展开更多
目的探讨终板体积骨密度(endplate volumetric bone mineral density,EP-vBMD)对侧方入路腰椎融合(lateral lumbar interbody fusion,LLIF)术后Cage沉降的影响。方法选择2018年1月~2020年12月在本院接受LLIF手术治疗的151例患者进行回...目的探讨终板体积骨密度(endplate volumetric bone mineral density,EP-vBMD)对侧方入路腰椎融合(lateral lumbar interbody fusion,LLIF)术后Cage沉降的影响。方法选择2018年1月~2020年12月在本院接受LLIF手术治疗的151例患者进行回顾性分析,收集患者EP-vBMD、椎体体积骨密度(vertebral body volumetric bone mineral density,VB-vBMD)、年龄、性别、体质量指数(body mass index,BMI)、医学共病(糖尿病等)、吸烟、美国麻醉医师协会(american society of anesthesiologists,ASA)评分、查尔森共病指数(charlson comorbidity index,CCI)、手术节段、手术椎体和是否使用后路螺钉固定等资料。根据术后1年患者是否发生Cage沉降,将患者分为Cage沉降组和非沉降组,比较两组患者临床资料差异,将单因素分析P<0.2的变量进一步采用多因素Logsitic回归分析,观察EP-vBMD对终板沉陷的影响。结果Cage沉降患者的VB-vBMD和EP-vBMD水平均低于非Cage沉降患者,差异均有统计学意义(P<0.05)。Cage沉降组患者年龄高于非Cage沉降组患者,差异有统计学意义(P<0.05);Cage沉降组和非Cage沉降组患者性别、吸烟、糖尿病、后路螺钉固定等资料差异均有统计学意义(P<0.05)。多因素Logistic回归分析显示,EP-vBMD和应用后路螺钉固定均是Cage沉降的保护性因素(P<0.05)。结论低EP-vBMD是LLIF术后Cage沉降的风险因素,对患者进行LLIF时,应考虑术前EP-vBMD的测量。展开更多
文摘真实场景点云不仅具有点云的空间几何信息,还具有三维物体的颜色信息,现有的网络无法有效利用真实场景的局部特征以及空间几何特征信息,因此提出了一种双通道特征融合的真实场景点云语义分割方法DCFNet(dual-channel feature fusion of real scene for point cloud semantic segmentation)可用于不同场景下的室内外场景语义分割。更具体地说,为了解决不能充分提取真实场景点云颜色信息的问题,该方法采用上下两个输入通道,通道均采用相同的特征提取网络结构,其中上通道的输入是完整RGB颜色和点云坐标信息,该通道主要关注于复杂物体对象场景特征,下通道仅输入点云坐标信息,该通道主要关注于点云的空间几何特征;在每个通道中为了更好地提取局部与全局信息,改善网络性能,引入了层间融合模块和Transformer通道特征扩充模块;同时,针对现有的三维点云语义分割方法缺乏关注局部特征与全局特征的联系,导致对复杂场景的分割效果不佳的问题,对上下两个通道所提取的特征通过DCFFS(dual-channel feature fusion segmentation)模块进行融合,并对真实场景进行语义分割。对室内复杂场景和大规模室内外场景点云分割基准进行了实验,实验结果表明,提出的DCFNet分割方法在S3DIS Area5室内场景数据集以及STPLS3D室外场景数据集上,平均交并比(MIOU)分别达到71.18%和48.87%,平均准确率(MACC)和整体准确率(OACC)分别达到77.01%与86.91%,实现了真实场景的高精度点云语义分割。
文摘目的探讨终板体积骨密度(endplate volumetric bone mineral density,EP-vBMD)对侧方入路腰椎融合(lateral lumbar interbody fusion,LLIF)术后Cage沉降的影响。方法选择2018年1月~2020年12月在本院接受LLIF手术治疗的151例患者进行回顾性分析,收集患者EP-vBMD、椎体体积骨密度(vertebral body volumetric bone mineral density,VB-vBMD)、年龄、性别、体质量指数(body mass index,BMI)、医学共病(糖尿病等)、吸烟、美国麻醉医师协会(american society of anesthesiologists,ASA)评分、查尔森共病指数(charlson comorbidity index,CCI)、手术节段、手术椎体和是否使用后路螺钉固定等资料。根据术后1年患者是否发生Cage沉降,将患者分为Cage沉降组和非沉降组,比较两组患者临床资料差异,将单因素分析P<0.2的变量进一步采用多因素Logsitic回归分析,观察EP-vBMD对终板沉陷的影响。结果Cage沉降患者的VB-vBMD和EP-vBMD水平均低于非Cage沉降患者,差异均有统计学意义(P<0.05)。Cage沉降组患者年龄高于非Cage沉降组患者,差异有统计学意义(P<0.05);Cage沉降组和非Cage沉降组患者性别、吸烟、糖尿病、后路螺钉固定等资料差异均有统计学意义(P<0.05)。多因素Logistic回归分析显示,EP-vBMD和应用后路螺钉固定均是Cage沉降的保护性因素(P<0.05)。结论低EP-vBMD是LLIF术后Cage沉降的风险因素,对患者进行LLIF时,应考虑术前EP-vBMD的测量。
