XiaoMi-AI文件搜索系统
World File Search System直方图
确定最适合基于机器学习的多光谱脑 MRI 数据分割的直方图归一化技术
摘要 — 磁共振成像 (MRI) 的主要缺点是缺乏标准强度尺度。所有观察到的数值都是相对的，只能结合其上下文进行解释。在将 MRI 数据体输入监督学习分割程序之前，需要将它们的直方图相互配准，换句话说，它们需要所谓的规范化。用于辅助脑 MRI 分割的最流行的直方图规范化技术是 Ny'ul 等人在 2000 年提出的算法，该算法对齐一批 MRI 体积的直方图，而不注意可能扭曲直方图的局部病变。另外，一些最近的研究应用了基于简单线性变换的直方图规范化，并报告了使用它们实现的略高的准确性。本文提出研究在脑 MRI 图像分割之前分别在没有和存在局部病变的情况下执行直方图规范化的最合适的方法和参数设置。
使用卷积神经网络检测脑肿瘤并通过直方图选择阈值
医学图像中的脑肿瘤在形状和大小方面具有高度多样性。一些数据发现了肿瘤组织和正常组织之间的一种形式，而了解肿瘤的轮廓和特征成为搜索的关键部分。通过利用机器学习能力，机器被赋予几个变量并在一定程度上提供决策，它们已经广泛地给出了支持决策主体的决策。本研究将直方图选择的阈值选择方法应用于 CT 扫描数据，而适当的阈值选择方法则相应地选择肿瘤位置。此外，卷积神经网络 (CNN) 用于对所选图像是否为肿瘤进行分类。使用 CT 扫描数据和计算实验，该算法最终得到批准并给出准确率为 75.42% 的脑部分类。
时间相关 LiDAR 直方图的特征提取及基于神经网络的分析
摘要：时间相关单光子计数 (TCSPC) 用于获取单光子雪崩二极管产生的飞行时间 (TOF) 信息。由于每个直方图的测量值受限且存在高背景光，因此很难在统计直方图中获得 TOF 信息。为了提高这些条件下的稳健性，将机器学习的概念应用于统计直方图。使用我们介绍的多峰提取方法，然后进行基于神经网络的多峰分析，可以将分析和资源集中在直方图中的少量关键信息上。评估多个可能的 TOF 位置并分配相关的软决策。与使用传统数字处理的情况相比，所提出的方法在恶劣条件下分配 TOF 的粗略位置 (± 5 %) 时具有更高的稳健性。因此，它可以用于提高系统的稳健性，尤其是在高背景光的情况下。
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。
基于直方图的自动分割：从 SEM 图像中分割集成电路结构的新方法
摘要 — 在逆向工程和硬件保证领域，大多数数据采集是通过电子显微镜技术（如扫描电子显微镜 (SEM)）完成的。然而，与光学成像中的同行不同，只有有限数量的技术可用于增强和提取原始 SEM 图像中的信息。在本文中，我们介绍了一种从 SEM 图像中分割出集成电路 (IC) 结构的算法。与本文讨论的现有算法不同，该算法是无监督的、无参数的，并且不需要关于噪声模型或目标图像中特征的先验信息，这使得它在低质量图像采集场景中也有效。此外，还报告并讨论了该算法在 IC 中各种结构和层上的应用结果。索引术语 — 逆向工程、硬件保证、SEM、分割