摘要：正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask RCNN)实例分割模型。首先设计具有跨尺度主辅结构的特征提取网络,提取出不同尺度病灶特征;然后设计密集交互式增强辅助网络(DIFEN),通过将最浅层病变特征以密集连接形式与邻近特征、当前特征进行交互融合,增强深层特征图中病灶细节信息;最后构建密集交互式融合金字塔网络(DIF-FPN),在自下而上路径中将浅层信息逐个以密集连接方式补充到深层特征中,进一步加强模型对病变区域的微弱特征感知力。在临床PET/CT肺部图像数据集上进行消融实验和对比实验,结果表明所提模型对于病变区域实例分割的APdet、APseg、APdet_s、APseg_s指标分别为67.16%、68.12%、34.97%、37.68%,与Mask RCNN(ResNet50)相比在APdet和APseg指标上分别提升7.11%、5.14%。DIF-Mask RCNN模型能够有效检测分割肿瘤病变,为肺癌辅助诊断提供重要的参考价值与评估依据。

摘要：早诊断早治疗对提升肺癌的存活率至关重要。肺结节是肺癌早期主要表现,但其异质性特征增加了计算机断层扫描对肺结节的检测难度,降低了分割结果的精确度。为提高肺结节分割结果的完整性和精确度,提出三维通道残差嵌套U网络(CR U2Net)。浅层特征同时包含病灶细节和噪声信息,提出浅层信息处理U结构平衡噪声信息的干扰;为加强不同层特征信息的交互,丰富特征表达和传递,提出通道残差结构,配合嵌套U结构实现特征信息的提取优化;考虑到浅层特征包含空间细节信息而深层特征具有语义抽象性,设计通道挤压U结构实现不同语义级别特征有效融合;将上述模块集成到UNet中构建出基于嵌套U结构的肺结节分割模型。提出的模型在Lung Image Database Consortium and Image Database Resource Initiative数据集中进行训练,达到了83.83%的Dice系数。优于多数现有肺结节分割方法且与UNet,UNet++以及PCAMNet网络相比领先了3.98%,1.96%和1.26%;针对网络结构进行有效性验证,结果表明各模块均发挥作用,在可接受参数量和计算量的情况下达到最优性能。

摘要：目的针对现有肺结节检测算法存在的因肺部计算机断层扫描(computed tomography,CT)图像肺结节与周边组织复杂性导致结节本身结构差异性不明显的问题,以及特征提取网络多次下采样造成图像分辨率降低进而导致检测结果差、仅使用网络顶层特征图进行预测造成图像空间信息丢失进而导致小结节漏检等问题,提出了一种基于注意力机制和特征金字塔的肺结节检测算法。方法根据语义与空间特征补偿机制以及卷积神经网络中网络深度所提取特征的信息量不同,在以Res Net为骨干网络的特征提取网络中设计通道—空间注意力机制,尽可能同时获取含有较多上下文语义以及空间位置信息的特征信息。在网络预测部分设计特征金字塔网络,将高维带有丰富语义信息的特征图与低维带有位置信息的特征图融合进行多尺度预测,增强网络对于小结节以及近血管结节等非显著性目标的检测性能。结果在LUNA16(lung nodule analysis 16)数据集上进行十折交叉验证显示,当平均假阳性个数为25.99时敏感度达到了97.13%,与基准方法相比,敏感度提高了2.53%,平均假阳性降低了28.54,实现了高敏感度低假阳性;在0.125、0.25、0.5、1、2、4、8这7个假阳率点的敏感度平均值为0.854,其中在每个扫描4次和8次假阳性时敏感度分别达到了0.940和0.951,其效果优于主流的结节检测方法。结论提出的结节检测模型,可以提高对3 10 mm小结节、近血管结节等非显著性目标的检测性能,并具有较低的假阳率。

摘要：针对民族类高校的特点,文章提出了一种《Java语言程序设计》多元学业评价方法。相比实施新的学业评价方法前,学生的Java期末成绩有所提高,学生学习Java的主动性和动手编程能力都有所增强,团队合作能力也有一定的提升。