XiaoMi-AI文件搜索系统
World File Search System对比度低
医学图像的直方图均衡化：CLAHE ...
摘要 近年来，计算机技术和高等数学的发展使图像处理技术得以广泛应用。图像处理是一种利用数字计算机算法处理图像的多功能方法，其细节甚至比人眼的还要多。由于计算机视觉的进步，各种疾病都可以得到及时发现和治疗。在医学领域，更快的诊断等于更快的治疗过程，因此开发图像增强算法具有非常重要的意义，因为医学图像是在各种条件下生成的。医学图像最常见的问题是对比度低。因此，直方图均衡化是医学领域用于图像增强的最常用技术。由于每张图像都不同，因此应对每张图像使用单独的技术。在本报告中，我们将研究在计算机断层扫描中使用 CLAHE 是否有益处。
使用深度学习在 3D 超声中对胎儿大脑进行皮层下分割
通过 3D 胎儿超声对皮层下体积发育进行量化，可以在妊娠监测期间提供重要的诊断信息。然而，由于软组织对比度低、斑点和阴影伪影，手动分割超声体积中的皮层下结构非常耗时且具有挑战性。为此，我们开发了一个卷积神经网络 (CNN)，用于从 3D 超声中自动分割脉络丛 (CP)、侧脑室后角 (LPVH)、透明隔腔和颈内膜 (CSPV) 和小脑 (CB)。由于真实标签稀缺且获取成本高昂，我们应用了小样本学习，其中仅使用少量手动注释 (n = 9) 来训练 CNN。我们比较了仅使用少数单独注释的体积来训练 CNN 与使用基于图谱的分割获得的许多弱标记体积来训练 CNN。这表明，仅需少量手动注释即可获得接近观察者内变异性的分割性能。最后，将训练后的模型应用于大量（n = 278）来自多样化健康人群的超声图像体积，获得了妊娠中期各个结构新的超声特定生长曲线。
事故调查指南 - 美国农业部森林服务局
• 对距离、间隙、速度等判断错误 • 视觉错觉导致的错误感知。影响视觉表现的情况： — 毫无特征的地形（如沙漠、干湖、水、雪地）。 — 黑暗和能见度差。 — 烟雾和不断变化的烟雾形状。 — 山地地形或倾斜的跑道。 — 导致闪烁眩晕的异常灯光效果。 — 物体与背景对比度低或照明度差。 — 观看明亮的阳光或月光。 — 阴影。 — 白茫茫的雪景。 • 空间定向障碍和眩晕。影响身体位置感的情况： — 失去视觉线索。 — 不良医疗状况或生理状况（酒精和药物影响、宿醉、脱水、疲劳等）。 — 上下移动头部、前后张望以换取收音机、接听或使用手机。 • 失去态势感知。类型： — 地理定向障碍（如偏离路线、失去位置意识）。 — 普遍丧失情境意识（如无法察觉危险情况）。 — 错误的情况评估（误解情况或条件）。 — 无法预测或预期变化的情况。 — 错误假设确认偏差（持续错误感知或误解情况）。 • 注意力不集中（如在获得正确信息时无法监控或做出反应）。 类型： — 无法目视车辆或设备外部的危险情况。 — 遗漏清单项目。 —
基于自监督小波的注意力网络用于 MRI 脑肿瘤语义分割
摘要：为了确定适合患者的治疗方案，放射科医生必须可靠地检测脑肿瘤。尽管手动分割需要大量的知识和能力，但有时可能不准确。通过评估肿瘤的大小、位置、结构和等级，MRI 图像中的自动肿瘤分割有助于更彻底地分析病理状况。由于 MRI 图像的强度差异，神经胶质瘤可能会扩散、对比度低，因此难以检测。因此，分割脑肿瘤是一个具有挑战性的过程。过去，人们创建了几种在 MRI 扫描中分割脑肿瘤的方法。然而，由于它们易受噪声和失真的影响，这些方法的实用性有限。我们建议使用自监督基于小波的注意力网络 (SSW-AN)，这是一种具有可调自监督激活函数和动态权重的新注意力模块，作为收集全局上下文信息的一种方式。具体来说，该网络的输入和标签由二维 (2D) 小波变换产生的四个参数组成，通过将数据整齐地分割成低频和高频通道，使训练过程更简单。更准确地说，我们利用了自监督注意模块 (SSAB) 的通道注意和空间注意模块。因此，这种方法可以更容易地集中于关键的底层通道和空间模式。建议的 SSW-AN 已被证明在医学图像分割任务中优于目前最先进的算法，具有更高的准确性、更有希望的可靠性和更少的不必要的冗余。