导读:本文包含了自动初始化论文开题报告文献综述及选题提纲参考文献,主要关键词:前列腺,图像分割,医学成像,磁共振成像
自动初始化论文文献综述
MUKUNDE,NSHUTI,JULES[1](2019)在《磁共振图像中前列腺分割的自动初始化随机游走方法研究》一文中研究指出前列腺癌位列男性因恶性肿瘤而死亡的第二大病因。科学家们一直在研究如何减少该疾病带来的健康威胁。广泛应用于医学诊疗过程中的医学成像技术对疾病的诊断和治疗技术的快速发展起了很大的作用。典型的医学成像技术包括超声、计算机断层扫描、磁共振成像(magnetic resonance imaging,MRI)和正电子发射断层成像,其中大多数都会受到噪声和采样方式的制约。对这些成像结果的分析主要依赖于放射科医师的主观解释。准确分割前列腺在大量的医学影像应用中具有重要的地位,对于前列腺体积的计算、恶性肿瘤生长规律的分析、前列腺癌的治疗和治疗后的随访检查等方面具有不可替代的作用。虽然在MRI中进行前列腺分割较其他成像方式略为简单,但是在医学图像中进行前列腺的分割仍旧是极具挑战性的任务,其主要困难在于MRI图像采集期间的信号强度不均匀以及前列腺本身形状的差异性巨大。由于这些现实的约束,在图像中进行前列腺分割往往是非常耗时并且其准确性也无法确保,因此在许多临床研究中经常成为一个主要的障碍。在本论文中,我们研究了基于图论的随机游走(random walker,RW)的前列腺分割算法,该算法结合了前列腺MRI图像中的强度特征及其形状变化,对MRI图像中的前列腺进行分割。该方法针对不完整轮廓的物体分割具有稳定性并对其进行了相应的优化。由于RW算法需要用户在前列腺区域的前景和背景中预分割称为种子的小区域,因此往往被设计为交互式的分割算法,RW随后会将整个前列腺区域完成地分割出来。论文的主要工作分为两个阶段。在第一阶段,我们首先采用图集的方法生成图像空间中的前列腺区域概率图。在前列腺MRI图片中选择具有清晰可见前列腺的切片,并且手工标志出前列腺轮廓,用于图集构造的基本素材。将标记出前列腺轮廓的图像中统一像素尺寸,使得图像的尺度标准化。然后采用非刚性变换的方式将手工生成的前列腺轮廓堆迭在一起,从而形成在同一图像空间中不同像素属于前列腺的概率图。根据概率图中的概率的等位线可以确定两个阈值,分别提取前列腺内部(前景)种子和外部(背景)种子。在图集中生成的这两类种子点随后成为随机游走算法中的初始化种子。在算法的第二阶段,作为对比的参照标准,采用手动生成的初始化种子完成随机游走算法对前列腺的分割。由于主观的选择往往能够将初始化的种子准确地放置在目标区域内,随后的随机游走算法可以准确地分割出前列腺的轮廓。通过该方法的一种图论的采样方法,在图像域内逐一对未标记的种子进行分析,将相关的种子作为图中节点进行考虑,从而给未标记种子赋予标签。随后对种子间边缘的权重进行设定,以便计算关于两个种子之间是否存在前列腺轮廓。上述两种种子初始化方法都能够帮助RW算法完成前列腺轮廓的提取。与手工标记的前列腺轮廓相比较,并使用Dice相似系数和Jaccard系数作为评价指标,基于自动种子的RW的Dice相似系数和Jaccard系数分别为0.81和0.68,而基于手工种子初始化的RW得到的分割结果,其Dice相似系数和Jaccard系数分别为0.88和0.75。这些指标表明MRI图像中采用RW算法能够成功地将前列腺准确地分割出来。(本文来源于《北京交通大学》期刊2019-04-25)
何斌,李晓明[2](2017)在《基于改进RANSAC-EightPoint算法的单目视觉的自动初始化方法》一文中研究指出为解决利用单目相机估计相机位姿时产生的尺度问题和尺度不统一带来的影响,需通过初始化方法来固定尺度,而初始化方法应无需人为选择两张良好的图片来进行初始化且要有良好的鲁棒性,提出了一种基于改进RANSAC-EightPoint算法的自动初始化方法 ,可自动选择有显着视差的两张图片进行初始化。通过随机采样一致性(Random Sample Concensus,RANSAC)与八点法(Eight-point-algorithm)结合的改进RANSAC-Eight Point算法来估计两图像间的位姿,使得对带有错误匹配的数据也有较准确的估计值。最后采用标准测试数据集和自己采集数据对该方法进行测试,并比较了利用该初始化方法后获得的轨迹和无初始化方法获得的轨迹与真实轨迹之间的差异。实验结果表明该方法都能对这些数据集完成初始化,通过该方法后所得到的轨迹具有全局一致性。(本文来源于《工业控制计算机》期刊2017年11期)
谷宇驰[3](2017)在《基于SDN的IPv6自动初始化机制研究》一文中研究指出随着移动互联网的飞速发展以及“互联网+”这一新概念的提出,互联网规模以及互联网业务的需求日益膨胀,对于组网的灵活性和网络管理的高效性都提出了更高的要求。下一代网络协议,即IPv6协议利用其庞大的地址数量和自动化的网络配置能力在一定程度上很好地适应了网络爆炸性普及和对网络简单配置的需求。基于OpenFlow协议的SDN技术提出将逻辑控制平面从传统网络中抽离出来,以加强对数据平面管控的灵活性和网络的快速部署能力,从而来适应不同网络的提出的应用需求。IPv6协议与SDN技术对于网络灵活与高效的组建机制的研究具有极大的促进作用。在当前的SDN网络中,由于更多为实验需求,网络的组建主要依靠人工的手动配置。而在IPv6网络中虽然利用地址自动分配等自动初始化机制进行网络组建,但是并没有过多地考虑该过程的网络开销以及管控粒度。由此,在SDN网络中引入IPv6自动初始化机制将在一定程度上提高SDN网络的整体组网的效率,同时提高使组网过程的灵活性和管控粒度。一方面IPv6网络自动配置机制可使SDN网络中的主机拥有即插即用能力,提高SDN网络组网的灵活性和主机网络参数的配置效率。另一方面,利用SDN网络控制与转发解耦和可编程性强的特点,对主机入网自动配置过程进行优化,不仅可进一步提升主机入网自动初始化过程的效率,并降低源于该过程的信道开销,而且利用SDN集中控制的特性,使得自动初始化过程可控,实现对接入主机进行细粒度的入网管理。本文主要针对SDN网络下的IPv6自动初始化机制进行研究,首先研究SDN网络中IPv6主机入网自动初始化问题,然后结合SDN网络的特点对该初始化过程进行优化,从而提出适用于SDN网络的自动初始化整体机制。为了验证本文提出的自动初始化机制的可行性与有效性,首先基于ONOS控制设计并实现该机制,随后利用Mininet仿真平台搭建实验网络进行实验。实验结果表明,在正确获得入网参数的基础上,相较传统IPv6网络自动初始化机制,其信道资源的占用都明显减少。(本文来源于《北京工业大学》期刊2017-06-12)
陈芷薇,陈姝[4](2017)在《基于深度学习的人脸跟踪自动初始化方法》一文中研究指出针对机器学习领域的人脸跟踪研究,其人脸首帧初始化由人工手动标注的问题,提出了一种基于深度学习的人脸跟踪自动初始化首帧方法。通过建立栈式稀疏自编码神经网络,对大量未标注的样本采用近似恒等的方法计算各隐层节点并运用反向传播法进行权值微调。预训练网络之后,连接softmax分类器,再用少量已标注样本对softmax分类器进行有监督训练,从而形成一个能进行人脸跟踪首帧自动初始化的分类器。结果表明,该方法显着提高了人脸跟踪中首帧初始化的效率,识别准确率达到92%,基本满足了人脸首帧自动初始化的要求。(本文来源于《计算机工程与科学》期刊2017年04期)
秦华,谷宇驰[5](2017)在《基于SDN网络的IPv6自动初始化机制》一文中研究指出为了实现SDN网络环境下入网主机自动获取初始化配置,并对该过程进行细粒度的管控,提出了将IPv6协议自动初始化机制与SDN网络相结合的设计方法。同时,为了减少自动初始化过程中的信道开销,提出利用SDN网络集中管控的特点对IPv6自动初始化机制进行优化的思想。首先研究了IPv6主机入网初始化过程,然后结合SDN网络的特点对该初始化过程进行优化,从而提出适用于SDN网络的自动初始化整体机制,最后基于ONOS控制器设计并实现了自动初始化机制。(本文来源于《电子技术与软件工程》期刊2017年05期)
潘幸子,郭青,李准,董方敏,孙水发[6](2017)在《一种自动初始化水平集的高频能量最小化叁维分割模型》一文中研究指出序列图像分割是医学图像叁维重建的重要研究内容,但受成像技术限制,医学图像中往往包含大量低频信息,如偏移场、灰度不均等,影响分割准确性。从频域进行图像分割能有效避免低频信息干扰。在高频能量最小化分割模型基础上进行优化,设计了一种自动初始化水平集的分割模型并成功应用于叁维分割领域。首先,使用形态学腐蚀方法进行粗分割,将提取出的叁维曲面作为初始水平集,实现初始水平集轮廓面自动化;然后使用衍化后的水平集叁维分割模型对其进行细分割。实验结果表明,采用该模型能够实现多目标分割,与原模型、Chan-Vese模型相比,分割结果更加准确。(本文来源于《软件导刊》期刊2017年01期)
李建波[7](2015)在《基于YH-SUPE的并行仿真系统自动初始化技术研究》一文中研究指出仿真系统初始化程序往往需要在对系统初始化需求和想定数据组织进行明确理解的基础上开发,而目前系统初始化需求和想定数据组织均缺乏统一规范的描述,初始化变量与想定数据间难以建立明确规范的对应关系,使得初始化程序开发需要进行大量的人为理解和手工编码,工作量大,效率低。因此开展仿真系统自动初始化技术研究,实现初始化程序的自动生成及数据自动匹配与解析,对于提高仿真系统初始化程序开发效率,减少人工参与等具有重要的理论和实践意义。论文在深入分析基于YH-SUPE的并行仿真系统初始化问题本质的基础上,围绕系统自动初始化总体框架、自动初始化相关的描述规则和数据匹配规则及初始化程序自动生成等关键技术展开研究。主要工作及创新点如下:1)当前初始化程序的开发主要依赖人工理解初始化需求及想定数据,建立初始化变量与想定数据之间的匹配关系,再手动编写相应的取值赋值逻辑,工作量大、效率低。为此,提出了一种基于两阶段自动化的仿真系统自动初始化总体框架,该框架首先根据初始化需求自动生成初始化程序,初始化程序根据想定数据描述规则自动获取初始化数据并完成赋值。实践表明了该框架的有效性和可行性。2)规范化的初始化需求和想定数据描述是实现自动初始化的基础,而目前仿真系统缺乏规范化的初始化需求描述,想定数据描述大都没有考虑自动初始化的需求。为此,提出了基于XML的仿真系统初始化需求描述规范及支持初始化数据自动匹配与解析的想定数据描述规则。前者按对象分节点结构化描述系统中各对象属性初始化需求,后者给出了为支持自动初始化想定数据描述必须遵循的规则。3)由于初始化程序需要解析想定中的数据,不同的想定会导致初始化程序不同,使其难以独立于想定自动生成。为此,提出了一种层次式初始化程序架构HIPA及基于该架构的初始化程序自动生成方法。HIPA将初始化程序分成四层:想定操作接口负责实际的想定操作,由想定方提供;匹配取值模块在想定操作接口上进行封装,向上层提供统一的接口;初始化功能函数库为系统按类型提供初始化函数;系统初始化函数调用初始化功能函数实现系统的初始化。自动生成方法根据初始化需求描述为系统定制HIPA上两层。上述方法将想定变化的影响限定在下两层,不仅使得初始化程序自动生成成为可能,而且使得系统代码结构更清晰简洁。基于上述研究成果,设计实现了基于YH-SUPE的并行仿真系统初始化程序自动生成器。实例测试表明,根据系统初始化需求描述生成器可自动生成初始化程序,初始化程序可正确实现初始化数据的获取和赋值,满足仿真系统自动初始化需求。整个初始化过程人工参与量小,有效提高了仿真系统初始化程序实现效率。(本文来源于《国防科学技术大学》期刊2015-11-01)
雷伍琴,郑江滨,蔡里宁[8](2012)在《运动捕获系统中标记点自动初始化方法》一文中研究指出基于辅助标记点的多摄像机运动捕获系统,往往需要在运动捕获初始阶段手工建立各标记点与关节点的对应关系.为了减少初始化阶段繁琐的手动标记工作,提出一种标记点自动初始化方法.首先预定义表演者初始姿态,利用PCA算法分析出人体主轴,结合人体骨架模型,使标记点与各关节点关联,再将带有关节信息的标记点进行叁维重构,通过反投影到各个视角完成所有点的初始化.实验结果表明,该方法能够准确地标识出各个标记点,完成标记点的自动初始化.(本文来源于《微电子学与计算机》期刊2012年02期)
程明智,高俊祥[9](2011)在《目标跟踪中参考模型的自动初始化方法》一文中研究指出目标跟踪中参考模型的初始化大多需要手动完成,现有的自动初始化方法也存在明显缺陷,针对这些问题提出了一种自动、精确初始化参考模型的方法。首先采用连通组分标记算法对目标进行计数,并计算每个目标的位置;然后根据回转半径张量法求出包含目标的最小外接矩形;最后从最小外接矩形的参数出发用蒙特卡洛算法求出参考模型的估计。实验结果表明在不同的场景下算法均能准确完成参考模型的初始化,计算出的模型能够体现目标的视觉特征。(本文来源于《成都信息工程学院学报》期刊2011年03期)
牟宗魁,唐克伦,郑彬[10](2011)在《一种新的GVF Snake模型自动初始化轮廓方法》一文中研究指出Snake模型已被广泛地应用于数字图像分析和计算机视觉领域。在应用该模型时,初始轮廓不易实现自动化。因此,提出一种改进分水岭算法确定GVF Snake模型初始轮廓的方法。该方法先采用改进的分水岭算法对图像进行预分割,再将得到的边缘作为GVF Snake模型的初始边缘轮廓。实验结果证明:该方法极大地减少了GVF迭代次数,提高了轮廓收敛的速度,并保留了GVF Snake模型的所有优点,为Snake模型自动初始化轮廓提供了一种有效的方法。(本文来源于《机械设计与制造》期刊2011年05期)
自动初始化论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
为解决利用单目相机估计相机位姿时产生的尺度问题和尺度不统一带来的影响,需通过初始化方法来固定尺度,而初始化方法应无需人为选择两张良好的图片来进行初始化且要有良好的鲁棒性,提出了一种基于改进RANSAC-EightPoint算法的自动初始化方法 ,可自动选择有显着视差的两张图片进行初始化。通过随机采样一致性(Random Sample Concensus,RANSAC)与八点法(Eight-point-algorithm)结合的改进RANSAC-Eight Point算法来估计两图像间的位姿,使得对带有错误匹配的数据也有较准确的估计值。最后采用标准测试数据集和自己采集数据对该方法进行测试,并比较了利用该初始化方法后获得的轨迹和无初始化方法获得的轨迹与真实轨迹之间的差异。实验结果表明该方法都能对这些数据集完成初始化,通过该方法后所得到的轨迹具有全局一致性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自动初始化论文参考文献
[1].MUKUNDE,NSHUTI,JULES.磁共振图像中前列腺分割的自动初始化随机游走方法研究[D].北京交通大学.2019
[2].何斌,李晓明.基于改进RANSAC-EightPoint算法的单目视觉的自动初始化方法[J].工业控制计算机.2017
[3].谷宇驰.基于SDN的IPv6自动初始化机制研究[D].北京工业大学.2017
[4].陈芷薇,陈姝.基于深度学习的人脸跟踪自动初始化方法[J].计算机工程与科学.2017
[5].秦华,谷宇驰.基于SDN网络的IPv6自动初始化机制[J].电子技术与软件工程.2017
[6].潘幸子,郭青,李准,董方敏,孙水发.一种自动初始化水平集的高频能量最小化叁维分割模型[J].软件导刊.2017
[7].李建波.基于YH-SUPE的并行仿真系统自动初始化技术研究[D].国防科学技术大学.2015
[8].雷伍琴,郑江滨,蔡里宁.运动捕获系统中标记点自动初始化方法[J].微电子学与计算机.2012
[9].程明智,高俊祥.目标跟踪中参考模型的自动初始化方法[J].成都信息工程学院学报.2011
[10].牟宗魁,唐克伦,郑彬.一种新的GVFSnake模型自动初始化轮廓方法[J].机械设计与制造.2011