针对多尺度分解(multi-scale decomposition,MSD)方法会导致图像细微组织结构丢失和产生噪声的问题,结合结构纹理分解模型、改进的卷积神经网络和相位一致性方法,提出1种新的多模态医学图像融合方法。首先,针对MSD容易产生噪声的问题,...针对多尺度分解(multi-scale decomposition,MSD)方法会导致图像细微组织结构丢失和产生噪声的问题,结合结构纹理分解模型、改进的卷积神经网络和相位一致性方法,提出1种新的多模态医学图像融合方法。首先,针对MSD容易产生噪声的问题,引入低通滤波器优化函数和结构纹理分解模型,有效解决了分解技术的难题;其次,对结构纹理部分设计1种基于卷积神经网络结合高斯平滑的融合方法,加强了对图像细节部分的提取,消除了噪声,并对高频部分引入基于相位一致性的改进方法进行融合;然后通过分解过程的逆变换得到最终的融合图像。定性、定量分析表明,所提出的算法在视觉效果、互信息(mutual information,MI)、特征互信息(feature mutual information,FMI)、结构相似性(structure similarity index measure,SSIM)、信息熵(entropy of information,EN)、峰值信噪比(peak signal to noise ration,PSNR)方面都达到了较高水平,融合后的图像更有利于专家和医生的诊断。展开更多
针对结直肠内部环境复杂以及结直肠息肉边界模糊且颜色、形状、大小不一等问题,提出用于结直肠息肉图像分割的基于U-Net高效多注意力融合(efficient multi-attention fusion based on U-Net,EMAU-Net)算法。EMAU-Net算法利用快速行进方...针对结直肠内部环境复杂以及结直肠息肉边界模糊且颜色、形状、大小不一等问题,提出用于结直肠息肉图像分割的基于U-Net高效多注意力融合(efficient multi-attention fusion based on U-Net,EMAU-Net)算法。EMAU-Net算法利用快速行进方法(fast marching method,FMM)抑制结直肠镜检查中的高光噪声;在编码器部分采用轻量级网络SegFormer中的Transformer模块对U-Net做出改进,保留息肉纹理和位置信息,增强编码阶段网络对全局信息的捕捉能力;解码器部分应用改进的空间和通道挤压与激励块(spatial and channel squeeze&excitation block,scSE),降低参数量的同时又增强其特征,可以进一步提高对息肉边缘特征的捕捉能力。实验结果表明,EMAU-Net算法平均交并比(mean intersection over union,MIoU)达到92.97%,与其他算法对比,该算法表现更优,能够对结直肠癌的诊断和治疗提供有力帮助。展开更多
文摘针对多尺度分解(multi-scale decomposition,MSD)方法会导致图像细微组织结构丢失和产生噪声的问题,结合结构纹理分解模型、改进的卷积神经网络和相位一致性方法,提出1种新的多模态医学图像融合方法。首先,针对MSD容易产生噪声的问题,引入低通滤波器优化函数和结构纹理分解模型,有效解决了分解技术的难题;其次,对结构纹理部分设计1种基于卷积神经网络结合高斯平滑的融合方法,加强了对图像细节部分的提取,消除了噪声,并对高频部分引入基于相位一致性的改进方法进行融合;然后通过分解过程的逆变换得到最终的融合图像。定性、定量分析表明,所提出的算法在视觉效果、互信息(mutual information,MI)、特征互信息(feature mutual information,FMI)、结构相似性(structure similarity index measure,SSIM)、信息熵(entropy of information,EN)、峰值信噪比(peak signal to noise ration,PSNR)方面都达到了较高水平,融合后的图像更有利于专家和医生的诊断。
文摘针对结直肠内部环境复杂以及结直肠息肉边界模糊且颜色、形状、大小不一等问题,提出用于结直肠息肉图像分割的基于U-Net高效多注意力融合(efficient multi-attention fusion based on U-Net,EMAU-Net)算法。EMAU-Net算法利用快速行进方法(fast marching method,FMM)抑制结直肠镜检查中的高光噪声;在编码器部分采用轻量级网络SegFormer中的Transformer模块对U-Net做出改进,保留息肉纹理和位置信息,增强编码阶段网络对全局信息的捕捉能力;解码器部分应用改进的空间和通道挤压与激励块(spatial and channel squeeze&excitation block,scSE),降低参数量的同时又增强其特征,可以进一步提高对息肉边缘特征的捕捉能力。实验结果表明,EMAU-Net算法平均交并比(mean intersection over union,MIoU)达到92.97%,与其他算法对比,该算法表现更优,能够对结直肠癌的诊断和治疗提供有力帮助。
