RegAug：基于深度学习配准模型的脑MRI数据增强方法

李佳霖，吕俊延，程璞金，唐晓颖

摘 要：目的  脑核磁共振图像（MRI）分割是许多医学应用中的一项重要任务。现有的深度学习分割网络可以达到最先进的性能，但是往往非常依赖于大规模的有标注数据集。然而，标记脑MRI非常昂贵，因为它需要复杂的专业知识和大量的时间、人力成本。并且常用的手动调整数据增强的方式在复杂的脑MRI上效果并不显著。因此，本文提出一种名为RegAug的基于深度学习配准模型的脑MRI自动数据增强方法，仅需要一张有金标注的样本（单图谱）结合大量无标注数据，即可合成丰富多样的增强数据，指导分割网络完成高精度分割。方法 RegAug首先使用配准模型学习图像间的空间形变场，然后利用条件可变自动编码器（CVAE）对配准网络生成的空间形变场进行概率分布建模，最后在分布中进行采样以生成分割网络使用的增强数据。RegAug在公开脑MRI数据集OASIS上进行训练和测试。结果  本研究中共使用了386张MRI图像，其中305张用于训练，81张用于测试。本文方法在35个大脑结构的分割上取得了0.86的Dice精度，与其它基于单图谱的分割方法相比，表现出了更优越的性能。结论  本研究只使用一张有金标注的样本，有效利用了大量无标注数据，实现了优秀的自动化数据增强，提升了下游模型的脑MRI分割表现。

李佳霖，吕俊延，程璞金，等. RegAug:基于深度学习配准模型的脑MRI数据增强方法[J]. 中国体视学与图像分析，2023，28（4）:323-331. DOI:10.13505/j.1007-1482.2023.28.04.001.

Li Jialin, Lv Junyan, Cheng Pujin, et al. RegAug: Brain MRI data augmentation based on registration learning[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):323-331. DOI:10.13505/j.1007-1482.2023.28.04.001.

CAFUnet: A small infrared target detection method for complex backgrounds

孙海蓉，康莉，黄建军

Abstract:Small infrared target detection has widespread applications in various fields including military, aviation, and medicine. However, detecting small infrared targets in complex backgrounds remains challenging. To detect small infrared targets, we propose a variable-structure U-shaped network referred as CAFUNet. A central differential convolution-based encoder, ASPP, an Attention Fusion module, and a decoder module are the critical components of the CAFUNet. The encoder module based on central difference convolution effectively extracts shallow detail information from infrared images, complemented by rich contextual information obtained from the deep features in the decoder module. However, the direct fusion of the shallow detail features with semantic features may lead to feature mismatch. To address this, we incorporate an Attention Fusion (AF) module to enhance the network performance further. We performed ablation studies on each module to evaluate its effectiveness. The results show that our proposed algorithm outperforms the state-of-the-art methods on publicly available datasets.

引用本文

Sun Hairong, Kang Li, Huang Jianjun. CAFUnet: A small infrared target detection method for complex backgrounds[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):332-348. DOI: 10.13505/j. 1007-1482.2023.28.04.002.

在线阅读：

CAFUnet A small infrared target detection method for complex backgrounds.pdf

基于通道注意力和层次多任务的糖网视网膜病变分类

方雨程，李瑞瑞

摘  要：糖尿病视网膜病变眼底图像通常病灶尺寸较小且相似度较高，容易出现误诊、漏诊等情况，对其进行准确分类是一项重要且具有挑战性的任务。针对深度卷积神经网络分类不准确的问题，本文提出利用通道注意力模块（SE）来优化特征的提取，同时设计了一种基于层次树的多任务分类方法，以进一步提升分类性能。本文在糖尿病视网膜病变眼底图像数据集DDR上进行了实验，本文模型在整体准确率（OA）这一项表现最好，在DDR数据上达到了87.3%，其整体分类准确率较其基准结果有7.02%的提升。消融实验表明，所提出的结合SE模块和层次多任务模块均能提升糖尿病视网膜病变分类的整体精度。本文也利用层次化类激活图（LayerCAM）生成病变热图，对网络的分类依据做出可视化解释。

引用本文

方雨程，李瑞瑞. 基于通道注意力和层次多任务的糖网视网膜病变分类[J]. 中国体视学与图像分析，2023，28(4):349-359. DOI: 10 13505/j. 1007-1482.2023.28.04.003.

Fang Yucheng, Li Ruirui. Classification of diabetic retinopathy based on channel attention and hierarchical multitasking[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):349-359. DOI: 10.13505/j. 1007-1482.2023.28.04.003.

在线阅读：

基于通道注意力和层次多任务的糖网视网膜病变分类.pdf

用于开放世界目标检测的目标查询提议网络

杨国琦，周越

摘  要：开放世界目标检测是一个十分具有挑战的任务，主要在于两个方面：一是要求检测器能正确识别未知的目标并做出预测；二是模型需要通过增量学习以纳入新的知识。传统的目标检测算法在完整的数据集上进行训练，输出数据集中所标注类别的预测，但实际场景中往往会遇到被标注类别之外的目标需要识别和检测，因此开放世界的概念被提出。随着Transformer在目标检测领域的应用不断深入，研究者们提出了新的方法和模型。本文工作是对开放世界目标检测模型OW-DETR（Open World Detection Transformer）的轻量化改进。本文设计了一种基于RPN的目标查询提议网络，结合泛化物体置信度选择RoI并初始化目标查询向量，使得模型在编解码器数量下降、训练时间大大减少的同时，对已知目标获得了更好的检测精度（平均每个精度指标比OW-DETR高1.29%，最高4.4%）。结合消融实验，本文证明了方法有效性和尚有缺陷的地方，并指出将来工作的改进方向。

引用本文

杨国琦，周越. 用于开放世界目标检测的目标查询提议网络[J]. 中国体视学与图像分析，2023，28(4):360-368. DOI: 10 13505/j. 1007-1482.2023.28.04.004.

Yang Guoqi, Zhou Yue. Proposal net for object query in open world object detection[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):360-368. DOI: 10.13505/j. 1007-1482.2023.28.04.004.

在线阅读：

用于开放世界目标检测的目标查询提议网络.pdf

基于深度学习的低剂量CT图像去噪方法综述

蒲秋梅，沈林林，田景龙，洁瑶

摘  要：由于低剂量CT情境下医学图像存在多样的噪声，其强度和种类各异，因此选择合适的算法对去噪至关重要。传统图像去噪方法基于先验知识，其优化过程相对繁琐，存在保留图像细节和处理效率方面的一定限制。相较之下，基于深度学习的去噪方法具备学习能力强大、非线性建模、端到端学习、适应性强和大规模并行计算等独特优势，使其相对于传统方法在处理复杂噪声场景时更为有效。本文全面概括并深入分析了当前低剂量CT图像去噪方法的研究热点。首先，简要介绍了低剂量CT图像去噪的步骤和过程。其次，结合当前基于深度学习的低剂量CT图像去噪方法的研究现状，重点探讨了残差学习、注意力网络以及自监督学习这三个最具代表性的研究热点，详细阐述了各种基础网络架构及其改进方法在低剂量CT图像去噪中的应用情况。最后，总结了当前低剂量CT图像降噪方法所面临的主要挑战，并提出了未来的研究方向，以促进低剂量CT图像去噪技术的进一步发展。

引用本文

蒲秋梅，沈林林，田景龙，等. 基于深度学习的低剂量CT图像去噪方法综述[J]. 中国体视学与图像分析，2023，28(4):369-379. DOI: 10 13505/j. 1007-1482.2023.28.04.005.

Pu Qiumei, Shen Linlin, Tian Jinglong, et al. Review of deep learning-based denoising methods for low-dose CT images[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):369-379. DOI: 10.13505/j. 1007-1482.2023.28.04.005.

在线阅读：

基于深度学习的低剂量CT图像去噪方法综述.pdf

基于牙齿分布先验和症状表征的CBCT图像分割方法

刘家祥，童霖杰，刘佐珠

摘  要:目的  在牙科影像诊断中，锥形束CT(Cone beam CT, CBCT) 图像分割已成为人工智能的关键应用领域。然而，多数现有技术忽略了与临床病症相关的关键表征，这会影响其分割性能。因此，本研究提出了一种新方法，利用CBCT图像的分布先验信息和病症表征来提高不同临床病症下的牙科图像分割性能。方法  为实现这一目标，本文提出了一种名为“牙齿先验引导数据增强（Dental Prior Guiding Data Augmentation，DGA）”的数据增强方法，利用牙齿分布先验信息来关注牙齿区域，忽略无关区域。此外，本文还提出了一种“牙症状形状损失函数（Dental Symptom Shape Loss, DSL）”，用于学习不同病症下牙齿的形状。结果  实验结果表明，所提出的方法显著提高了不同临床状况牙齿的分割性能，包括正常、接受过根管治疗、植入充填体、存在多生牙、拥有恒牙牙坯以及使用牙科假体的患者。实验结果显示，在不同的临床症状下，本文方法在多种症状的数据集上都超越了其他先进的方法。具体来说，相较于其他方法，本文方法在Dice指标平均提高了1.13%，而在IoU指标平均提高了2.00%。结论  本文方法能够显著提高不同症状下的牙齿分割性能。

引用本文

刘家祥，童霖杰，刘佐珠. 基于牙齿分布先验和症状表征的CBCT图像分割方法[J]. 中国体视学与图像分析，2023, 28(4):380-389. DOI: 10. 13505/j.1007-1482.2023.28.04.006.

Liu Jiaxiang, Tong Linjie, Liu Zuozhu. Symptom representation and distribution prior knowledge based tooth segmentation method for CBCT images[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):380-389. DOI: 10.13505/j. 1007-1482.2023.28.04.006.

在线阅读：

基于牙齿分布先验和症状表征的CBCT图像分割方法.pdf

KANG Li, GONG Zhixin, HUANG Jianjun, ZHOU Ziqi

Abstract: Currently, deep learning is widely used in medical image segmentation and has achieved good results. However, 3D medical image segmentation tasks with diverse lesion characters, blurred edges, and unstable positions require complex networks with a large number of parameters. It is computationally expensive and results in high requirements on equipment, making it hard to deploy the network in hospitals. In this work, we propose a method for network lightweighting and applied it to a 3D CNN based network. We experimented on a COVID-19 lesion segmentation dataset. Specifically, we use three cascaded one-dimensional convolutions to replace a 3D convolution, and integrate instance normalization with the previous layer of one-dimensional convolutions to accelerate network inference. In addition, we simplify test-time augmentation and deep supervision of the network. Experiments show that the lightweight network can reduce the prediction time of each sample and the memory usage by 50% and reduce the number of parameters by 60% compared with the original network. The training time of one epoch is also reduced by 50% with the segmentation accuracy dropped within the acceptable range.

引用本文

Kang Li, Gong Zhixin, Huang Jianjun, et al. A network lightweighting method for difficult segmentation task in 3D medical images[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):390-400. DOI: 10.13505/j. 1007-1482.2023.28.04.007.

在线阅读：

A network lightweighting method for difficult segmentation task in 3D medical images.pdf

薛少雄，张海军，张煦岩

摘  要: 为了提高瞳孔检测效率，提出了一种基于直方图二值化和瞳孔二次椭圆拟合的检测方法。算法首先计算瞳孔图像的直方图，利用直方图找到最佳二值化阈值，对二值化后的图像进行瞳孔区域筛选和填充；在此基础上，使用改进星射线法找到瞳孔边缘，剔除瞳孔伪边缘点，将最小二乘椭圆拟合方法和Huber损失函数结合，进行第一次瞳孔椭圆拟合，利用拟合的椭圆继续排除边缘杂点，最后利用边缘点第二次正确拟合瞳孔椭圆。从第二帧图像开始，以前一帧图像的瞳孔中心为中心，缩小图像检测区域。实验结果表明，该瞳孔检测算法在5像素的误差范围内检测成功率达到86%，算法运行时间仅需要4.29 ms，具有较高的实用性。

引用本文

薛少雄，张海军，张煦岩. 基于直方图和二次椭圆拟合的瞳孔高效检测[J]. 中国体视学与图像分析，2023, 28(4):401-409. DOI: 10. 13505/j.1007-1482.2023.28.04.008.

Xue Shaoxiong, Zhang Haijun, Zhang Xuyan. Efficient pupil detection based on histogram and quadratic ellipse fitting[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):401-409. DOI: 10.13505/j. 1007-1482.2023.28.04.008.

在线阅读：

基于直方图和二次椭圆拟合的瞳孔高效检测.pdf

HUANG Xinran, YANG Hongjie, CHEN Hu,ZHANG Yi, LIAO Peixi

Abstract: Osteoporosis is a systemic disease characterized by low bone mass, impaired bone microstructure, increased bone fragility, and a higher risk of fractures. It commonly affects postmenopausal women and the elderly. Orthopantomography, also known as panoramic radiography, is a widely used imaging technique in dental examinations due to its low cost and easy accessibility. Previous studies have shown that the mandibular cortical index (MCI) derived from orthopantomography can serve as an important indicator of osteoporosis risk. To address this, this study proposes a parallel Transformer network based on multiple instance learning. By introducing parallel modules that alleviate optimization issues and integrating multiple-instance learning with the Transformer architecture, our model effectively extracts information from image patches. Our model achieves an accuracy of 86% and an AUC score of 0.963 on an osteoporosis dataset, which demonstrates its promising and competitive performance.

引用本文

Huang Xinran, Yang Hongjie, Chen Hu, et al. PT-MIL: Parallel transformer based on multi-instance learning for osteoporosis detection in panoramic oral radiographs[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):410-418. DOI: 10.13505/j. 1007-1482.2023.28.04.009.

在线阅读：

PT-MIL Parallel transformer based on multi-instance learning for osteoporosis detection in panoramic oral radiographs.pdf

基于聚类的红外热图代谢综合征辅助诊断算法研究

刘佳雪，许昌，张文静，张文征，肖永华，李剑峰，罗涛

摘  要：目的  研究基于人体红外热图的代谢综合征智能辅助诊断方法。方法  通过分析人体红外热图的温度分布特征实现对代谢综合征的智能诊断。首先，进行特征提取，计算红外热图样本中每行温度和每列温度的平均值，获取纵向和横向的特征向量；然后，根据横、纵向特征向量的模值将人体红外热图映射为二维空间中的样本点，并对其进行聚类，构建领域圆函数；最后，根据样本点与领域圆的位置关系实现对代谢综合征（metabolic syndrome，MS）的诊断。结果  对70例人体红外热图数据进行训练，准确率为97%；对25例人体红外热图数据进行测试，诊断结果的准确率为96%。结论  针对现有的红外热图代谢综合征诊断方法主要依赖临床医生的主观分析和肉眼诊断，缺乏一定客观性的问题，提出了一种基于聚类的红外热图代谢综合征辅助诊断算法，实现对代谢综合征的客观诊断，准确高效，对重大疾病的防治和社会发展具有重大意义。

引用本文

刘佳雪，许昌，张文静，等. 基于聚类的红外热图代谢综合征辅助诊断算法研究[J]. 中国体视学与图像分析，2023，28(4):419-426. DOI: 10.13505/j.1007-1482.2023.28.04.010.

Liu Jiaxue, Xu Chang, Zhang Wenjing, et al. Research on cluster and infrared thermography-based diagnosis algorithm for metabolic syndrome[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):419-426. DOI: 10. 13505/j. 1007-1482.2023.28.04.010.

在线阅读：

基于聚类的红外热图代谢综合征辅助诊断算法研究.pdf

一种融合参考通道和深度学习的人体全身可移动磁共振成像设备主动EMI抑制方法

张冠华，陆荣生，吴正秀，胡晓凯，倪中华

引用本文

张冠华，陆荣生，吴正秀，等. 一种融合参考通道和深度学习的人体全身可移动磁共振成像设备主动EMI抑制方法[J]. 中国体视学与图像分析，2023，28(4):427-436. DOI: 10.13505/j.1007-1482.2023.28.04.011.

Zhang Guanhua, Lu Rongsheng, Wu Zhengxiu, et al. An active EMI suppression method for human whole body mobile MRI device by integrating reference channels and deep learning[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):427-436. DOI: 10. 13505/j. 1007-1482.2023.28.04.011.

在线阅读：

一种融合参考通道和深度学习的人体全身可移动磁共振成像设备主动EMI抑制方法.pdf

白藜芦醇抑制衰老小鼠脑组织小胶质细胞激活

胡峪，田鹤，朱弘焱

摘  要：目的  探讨白藜芦醇(resveratrol, Res)对自然衰老小鼠认知能力的影响及其对小胶质细胞介导的炎症因子分泌的影响。方法  选用2∽3月龄和18～20月龄C57BL/6J小鼠为研究对象，分为三组，每组10只小鼠：青年对照组（Con）；衰老模型组（Mod）和衰老给药组（Res）。Res组小鼠按45mg/kg剂量每日灌胃白藜芦醇，连续8周。小鼠的学习记忆能力通过Morris水迷宫实验检测；小胶质细胞标记蛋白Ionized calcium binding adapter molecule (Iba-1)的表达变化通过免疫组织化学染色观察，并通过阳性细胞计数分析其表达情况。通过qRT-PCR技术检测炎症因子TNF-α和Arg-1基因的表达变化。结果  Morris水迷宫实验结果显示白藜芦醇治疗组小鼠学习记忆能力明显提高。免疫组织化学染色和体视学测量结果证明白藜芦醇减少衰老小鼠脑组织中Iba-1的表达。qRT-PCR检测结果显示白藜芦醇增加老年小鼠脑组织中Arg-1 mRNA的表达，减少TNF-α mRNA的表达。结论  白藜芦醇改善老年小鼠的认知能力，其机制与抑制小胶质细胞介导的炎症反应有关。

引用本文

胡峪，田鹤，朱弘焱. 白藜芦醇抑制衰老小鼠脑组织小胶质细胞激活[J]. 中国体视学与图像分析，2023，28(4):437-443. DOI: 10.13505/j.1007-1482.2023.28.04.012.

Hu Yu, Tian He, Zhu Hongyan. Resveratrol inhibits the activation of microglia in the brain tissue of aging mice[J]. Chinese Journal of Stereology and Image Analysis, 2023, 28(4):437-443. DOI: 10. 13505/j. 1007-1482.2023.28.04.012.

在线阅读：

白藜芦醇抑制衰老小鼠脑组织小胶质细胞激活.pdf