摘要：为了更好地分析血管网络的拓扑结构,弥补分割算法产生的间断现象,连接间断血管段并保持血管结构的完整性,提出一种投影曲线拟合的方法.该方法在三维血管中心线基础上,采用投影降维方式将空间曲线投影至XY平面及XZ平面;然后在平面上采取曲线拟合的方法将间断曲线进行拟合,通过误差平方和及确定系数来判别拟合效果;最后将拟合的结果反投影至三维空间,得到空间曲线的最终拟合效果,实现间断血管段的连接;同时,通过比较不同拟合算法的连接效果得出保留关键数据点的原则,并提出针对不同血管曲线数据集拟合算法的选择策略.实验结果表明,相对于现有连接算法,文中方法计算简单方便,拟合效果好.

摘要：在深入研究图像风格迁移的基础上,提出了一种适用于图形处理器性能受限情况下,卡通(cartoon)图像风格迁移训练的生成式对抗网络(generative adversarial networks,GAN).利用视觉几何组(visual geometry group,VGG)网络提取图片先验信息,实现学习过程的加速;裁剪cartoonGAN模型,在保证效果的基础上,使得低性能计算条件下的网络收敛成为可能;设计合理的损失函数,保证整体风格化效果.基于tensorflow 2.0构建试验平台,通过对试验结果分析可发现,该方法的迁移效果好,稳定性强,且收敛时间短.对算法的参数和初始化方法给出了相关讨论,并提出了进一步的解决方案.

摘要：针对磁共振成像(magnetic resonance imaging,MRI)超分辨率重构任务,提出了Wasserstein生成式对抗网络(Wasserstein generative adversarial network,WGAN),构建了合适的网络模型与损失函数;基于残差U-net WGAN后端上采样超分模型,设计了感知、纹理和对抗损失,用于恢复低分辨率MRI影像中的细节信息.此网络在2D-MRI的3000张脑影像上获得的峰值信噪比(peak signal to noise ratio,PSNR)是33.09 dB,结构相似度(structural similarity index measure,SSIM)的平均值为0.95;PSNR与SSIM的值与经典超分法相比较,分别增加了4.09 dB和0.06.这表明:网络能更好地学习MRI从低分辨率到高分辨率影像之间的映射关系;该方法有效稳定,可以广泛应用于相似系统.