【摘 要】
：
为解决肺部 CT 图像中，对肺结节进行良恶性分类的问题，本文提出了一个新颖的端到端深度学习网络DenseNet-centercrop.该网络在原有的 DenseNet 结构中的稠密块间增加了新的分支，引入了中心剪裁操作.提出的网络结构具有两个优势：i)它不仅最大程度上保留了 DenseNet 的结构，而且将其稠密连接机制扩展到稠密块水平，大大丰富了肺结节的多尺度特征.ii)它的参数量较少，是一种轻
【机 构】
：
浙江大学数学科学学院 杭州 310027;浙大睿医人工智能研究中心 杭州 310000 浙江工业大
【出 处】
：
2018第12届全国计算机图形学大会Chinagraph 2018
论文部分内容阅读
为解决肺部 CT 图像中，对肺结节进行良恶性分类的问题，本文提出了一个新颖的端到端深度学习网络DenseNet-centercrop.该网络在原有的 DenseNet 结构中的稠密块间增加了新的分支，引入了中心剪裁操作.提出的网络结构具有两个优势：i)它不仅最大程度上保留了 DenseNet 的结构，而且将其稠密连接机制扩展到稠密块水平，大大丰富了肺结节的多尺度特征.ii)它的参数量较少，是一种轻量化的网络结构.基于该网络的肺结节良恶性分类方法在 LIDC-IDRI 数据集上进行了评估，实验结果表明DenseNet-centercrop 不仅极大地提高了 DenseNet 的性能，而且与现有的其他肺结节良恶性分类方法相比，本文方法具有更高的 AUC 分值和分类精度.
其他文献
岩溶灾害为隧道施工穿越溶洞地区防灾减灾的关键灾害之一。以某隧道为研究对象，采用模型试验和数值模拟，研究隧道拱部不同大小、不同位置、距隧道不同距离的溶洞对隧道围岩变形的影响，重点对围岩竖向和水平位移进行研究。结果表明：(1)拱部溶洞的存在，会使围岩位移更大，而且会向着无溶洞一侧移动；(2)拱部溶洞与隧道距离不超过1/3隧道跨度时，其对围岩的影响很大，超过此距离时影响明显减小；(3)不同大小、不同位置
二次加权 Lapus q-Bézier 曲线可以精确表示圆锥曲线，形状参数 q 兼具调整曲线参数化的作用。为了获得具有更好的参数化表示的圆锥曲线，本文讨论了用二次加权 Lapus q-Bézier 曲线表示的圆锥曲线的分类情况，对应于用二次加权 Lapus q-Bézier 曲线分别表示椭圆弧、双曲线弧和抛物线弧的三种不同情况，得到了曲线上点与对应参数点的函数关系，即逆映射公式。首先，采用重心坐标
针对公路隧道运营时的结构安全问题，通过对隧道结构典型风险事件进行专项分析，结合结构设计、结构现状及病害、养护维修等方面的综合考虑，提出了长大公路隧道结构安全的评价指标，并根据评价指标建立隧道评价指标的分级标准。运用层次分析法和模糊原理，采用了乘积标度法与熵权法结合的组合权重法，再结合变权重方法，确定了指标体系中的各个指标的权重，并以此为基础，最终建立了公路隧道结构安全等级状态的评估体系和分级标准。
利用一类局部支撑和无穷次可微的函数与 sinc 函数结合，在此基础上基于一种新提出的余和加权单位化方法，构造了一类带两个局部参数 ai 和 ni 的插值基函数。所构造的新插值基函数具有 C∞光滑性，紧支撑性和单位剖分性。局部参数ni 可以调整插值基函数的支撑区间，局部参数ai 具有张力性质。实例结果表明，文中构造的新插值基函数适用于参数插值曲线曲面设计。
单张图片法向量估计是计算机图形学和计算机视觉研究的重要问题之一。在缺少其它三维信息的情况下，由单目图像预测出对应法向量，对于三维场景重建，三维模型识别，三维语义分割等具有重要意义。为探求这一问题的解决方法，本文使用多尺度的卷积网络结构，对图像进行端到端的输出预测。该网络通过接受 RGB 图像的输入，经过网络处理输出图像相应的法向量贴图。实验结果表明，即使不使用其他预处理或后处理步骤，本文提出的网络
随着三维场景数字化技术的发展，人们获取真实物体三维点云模型的途径愈发丰富。通过设备采集或多视图重建得到的分片点云模型需要进行配准生成完整模型，而由于获取途径不同或设备误差影响，分片点云往往具有放缩尺度不一致，初始相对位置关系不可靠，重合区域占比不高且噪声较大等问题。本文提出了一种尺度可变的快速全局点云配准方法，从点云中首先提取局部特征信息并进行匹配，在特征匹配关系确定的情况下，交替优化目标函数中的
针对实际广泛存在的建筑物场景，本文提出一种基于视频的平面边界在线检测与跟踪算法。该算法分为三步，第一步通过前一帧与当前帧间的特征点匹配而得的单应性矩阵跟踪平面边界，由于单应性矩阵跟踪必不可免地存在偏移导致累积误差，算法首先用 RANSAC 思想拟合边界线段，再由绝对二次曲线作约束并使用 LM 算法优化线段； 第二步检测新出现的平面，我们根据当前帧的原平面边界是由两组不同的平行线段组成，提取该平面边
人脸面部表情是指通过人的眼、唇、面等各个部位的肌肉变化而显示出的人类真实情绪感受，是人们日常生活交往中不可或缺的沟通渠道。而人脸微表情，作为比普通面部表情更为微小、更为精确的存在，可以准确识别和显示出目标人物最为真实的情绪状态，在社会安全、公共服务以及医疗研究等各个领域都有巨大的应用价值。本文提出一个基于眼部干扰消除的视频放大和深度学习的人脸微表情识别方法，首先利用基于相位的视频动作处理技术对微表