检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于条件扩散模型的结直肠图像染色归一化

电子测量技术 2024年第13期47卷 136-147页

作者：李子成贾伟赵雪芬高宏娟宁夏大学信息工程学院银川750021 宁夏“东数西算”人工智能与信息安全重点实验室银川750021

由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征,导致丢失部分结直肠病理图像的结构信息,无法生成高质量的染色归一化结直肠病理图像。为解决该问题,提出一种基于条件扩散模型的结直肠病理图像染色归一化方法,该方法... 详细信息

由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征,导致丢失部分结直肠病理图像的结构信息,无法生成高质量的染色归一化结直肠病理图像。为解决该问题,提出一种基于条件扩散模型的结直肠病理图像染色归一化方法,该方法包括条件扩散模型和图像特征重建。在条件扩散模型中,首先,使用马尔科夫链前向过程对结直肠病理原图像进行加噪声。然后,将噪声图像和条件图像输入到增强去噪网络中进行去噪,在这过程中利用增强激活模块,学习结直肠病理图像的深层特征,捕获更多的图像上下文信息。在编码器和解码器之间引入跳跃连接空间注意力模块,准确提取结直肠病理图像的位置空间信息。在图像特征重建中,设计金字塔特征提取模块,提取多尺度条件图像与生成图像的特征,并构建重建损失函数,优化整个网络的性能。实验结果表明,与现有方法相比,所提染色归一化方法在公共数据集GlaS和CRAG上的能生成质量更高的染色归一化结直肠病理图像。

关键词：条件扩散模型结直肠病理图像染色归一化去噪网络

在线全文

学校读者我要写书评

暂无评论

基于扩散模型的流场超分辨率重建方法

力学学报 2023年第10期55卷 2309-2320页

作者：韩阳朱军鹏郭春雨范毅伟汪永号哈尔滨工程大学船舶工程学院哈尔滨150001 哈尔滨工程大学青岛创新发展基地山东青岛266000

低分辨率的流场数据具有较少的信息量,不能充分捕捉流场中的细节演化过程.尤其对于湍流的随机脉动特征和小尺度涡旋细节特征更加难以获取,这限制了对流场演化机理进行深入研究.为了解决这一局限性,并从低分辨率流场中重建高分辨率数据,... 详细信息

低分辨率的流场数据具有较少的信息量,不能充分捕捉流场中的细节演化过程.尤其对于湍流的随机脉动特征和小尺度涡旋细节特征更加难以获取,这限制了对流场演化机理进行深入研究.为了解决这一局限性,并从低分辨率流场中重建高分辨率数据,文章提出一种流场超分辨率重建的生成扩散模型FlowDiffusionNet.该模型以低分辨率流场数据输入作为约束条件,采用去噪分数匹配方法,来实现高分辨率流场数据的复现.FlowDiffusionNet在结构设计上充分考虑了流场数据的低频信息与高频空间特征,采用基于扩散过程的建模方法,用于重建高分辨率流场数据的残差.该模型结构便于实现迁移学习,可在不同程度的退化流场上应用.将该方法在多种经典流场数据集上进行测试,并与双三次插值(bicubic)、超分辨率生成对抗网络(SRGAN)、超分辨率卷积神经网络(SRCNN)等方法进行比较.结果表明,该方法在各种流场上的重建性能达到最佳水平,特别是对于包含小尺度涡结构的4倍下采样流场数据,客观评价指标SSIM达到0.999.

关键词：流场超分辨率重建条件扩散模型深度学习流场残差迁移学习

在线全文

学校读者我要写书评

暂无评论

基于卷积字典扩散模型的眼底图像增强算法

中国图象图形学报 2024年第8期29卷 2426-2438页

作者：王珍霍光磊兰海胡建民魏宪福建农林大学机电工程学院福州350108 中国科学院福建物质结构研究所福州350002 泉州通维科技有限责任公司泉州362008 福建医科大学医学技术与工程学院福州350122 华东师范大学软件工程学院上海200062

目的视网膜眼底图像广泛用于临床筛查和诊断眼科疾病,但由于散焦、光线条件不佳等引起的眼底图像模糊,导致医生无法正确诊断,且现有图像增强方法恢复的图像仍存在模糊、高频信息缺失以及噪点增多问题。本文提出了一个卷积字典扩散模型,... 详细信息

目的视网膜眼底图像广泛用于临床筛查和诊断眼科疾病,但由于散焦、光线条件不佳等引起的眼底图像模糊,导致医生无法正确诊断,且现有图像增强方法恢复的图像仍存在模糊、高频信息缺失以及噪点增多问题。本文提出了一个卷积字典扩散模型,将卷积字典学习的去噪能力与条件扩散模型的灵活性相结合,从而解决了上述问题。方法算法主要包括两个过程:扩散过程和去噪过程。首先向输入图像中逐步添加随机噪声,得到趋于纯粹噪声的图像;然后训练一个神经网络逐渐将噪声从图像中移除,直到获得一幅清晰图像。本文利用卷积网络来实现卷积字典学习并获取图像稀疏表示,该算法充分利用图像的先验信息,有效避免重建图像高频信息缺失和噪点增多的问题。结果将本文模型在EyePACS数据集上进行训练,并分别在合成数据集DRIVE(dgital retinal images for vessel extraction)、CHASEDB1(child heart and health study in England)、ROC(retinopathy online challenge)和真实数据集RF(real fundus)、HRF(high-resolution fundus)上进行测试,验证了所提方法在图像增强任务上的性能及跨数据集的泛化能力,其评价指标峰值信噪比(peak signal-to-noise ratio,PSNR)和学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)与原始扩散模型(learning enhancement from degradation,Led)相比平均分别提升了1.9929 dB和0.0289。此外,将本文方法用于真实眼科图像下游任务的前处理能够有效提升下游任务的表现,在含有分割标签的DRIVE数据集上进行的视网膜血管分割实验结果显示,相较于原始扩散模型,其分割指标对比其受试者工作特征曲线下面积(area under the curve,AUC),准确率(accuracy,Acc)和敏感性(sensitivity,Sen)平均分别提升0.0314,0.0030和0.0738。结论提出的方法能够在保留真实眼底特征的同时去除模糊、恢复更丰富的细节,从而有利于临床图像的分析和应用。

关键词：眼底图像增强卷积字典学习稀疏表示扩散模型条件扩散模型

一种融合视觉Transformer和扩散模型的单视点内窥镜手术光场重建方法(特邀)

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第16期61卷 183-193页

作者：韩晨明吴高昌东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819

针对内窥镜手术中单一视角图像深度估计不确定性与遮挡导致的手术场景三维感知难题,提出了一种融合视觉Transformer和条件扩散模型的单视点多平面图(MPI)表征方法,用以进行内窥镜手术光场重建。该方法首先利用视觉Transformer将输入的... 详细信息

针对内窥镜手术中单一视角图像深度估计不确定性与遮挡导致的手术场景三维感知难题,提出了一种融合视觉Transformer和条件扩散模型的单视点多平面图(MPI)表征方法,用以进行内窥镜手术光场重建。该方法首先利用视觉Transformer将输入的单视角图像令牌化,从而分解为多个图像块,并通过多头注意力机制提取局部与全局相结合的关联特征。然后,利用多尺度卷积解码器将图像块特征从粗到细进行重组与融合,生成初始MPI。最后,为了解决单视点内窥镜手术中组织之间的遮挡问题,引入了一个基于条件扩散模型的背景预测模块,根据初始MPI获取遮挡掩模,并以遮挡掩模和输入视角作为条件,预测被遮挡区域的分布,有效解决了单视点输入引起的光场内视角不连贯的问题。所提方法将基于视觉Transformer所分解的初始MPI与基于条件扩散模型预测的背景区域相结合,得到优化后的MPI,从而渲染出内窥镜手术光场中的各子视点图像。在达芬奇手术机器人的真实内窥镜手术数据集上的实验验证表明,所提方法在视觉和客观评价指标上均优于现有的单视图光场重建方法。

关键词：光场重建视觉Transformer 多平面图像表示条件扩散模型