目的探讨纹理分析与基于不同感兴趣区域(regions of interest,ROI)动态对比增强MRI在确定胶质瘤等级中的作用。材料与方法搜集病理证实的高级别胶质瘤(high-grade glioma,HGG)(WHOⅢ级、Ⅳ级)及低级别胶质瘤(low-grade glioma,LGG)(WHO...目的探讨纹理分析与基于不同感兴趣区域(regions of interest,ROI)动态对比增强MRI在确定胶质瘤等级中的作用。材料与方法搜集病理证实的高级别胶质瘤(high-grade glioma,HGG)(WHOⅢ级、Ⅳ级)及低级别胶质瘤(low-grade glioma,LGG)(WHOⅠ级、Ⅱ级)各40例。所有患者均行常规磁共振成像及动态对比磁共振(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)检查。ROI由以下两个区域确定:(1)整个肿瘤区域;(2)肿瘤实性部分。使用非参数Wilcoxon秩和检验比较高级别胶质瘤和低级别胶质瘤之间的纹理特征。结果对于整个肿瘤ROI,HGG和LGG之间的不均匀性值的差异有统计学意义(Z=50.37,P=0.01<0.05)。对于实性部分ROI,不均匀性显示HGG和LGG之间的差异无统计学意义(Z=34.65,P=0.06>0.05)。整个肿瘤的不均匀性参数比实性部分ROI具有更高的诊断准确性。结论基于不同ROI的DCE-MRI纹理分析可以为评估胶质瘤等级提供可靠的价值。展开更多
感兴趣区域（regions of interest,ROIs）的选择及其光谱提取是高光谱图像无损检测分析的关键一步。为快速准确检测羊肉pH,在473～1 000nm波段,开展了两种不同提取ROIs方法对羊肉pH高光谱检测模型的影响研究。采用＂矩形区域法＂和＂图...感兴趣区域（regions of interest,ROIs）的选择及其光谱提取是高光谱图像无损检测分析的关键一步。为快速准确检测羊肉pH,在473～1 000nm波段,开展了两种不同提取ROIs方法对羊肉pH高光谱检测模型的影响研究。采用＂矩形区域法＂和＂图像分割法＂两种ROIs方法分别获得相应的122条羊肉光谱,对比了不同预处理方法对建模效果的影响,并比较了两种ROIs方法下逐步多元线性回归（SMLR）、主成分回归（PCR）和偏最小二乘回归（PLSR）的模型精度。结果表明,提取光谱数据建模中SMLR和PLSR模型效果分别最优。＂矩形区域法＂提取ROIs对应的SMLR模型校正集的相关系数（R_（cal））和均方根误差（RMSEC）分别为0.85和0.085,预测集的相关系数（R_p）和均方根误差（RMSEP）分别为0.82和0.097。＂图像分割法＂提取ROIs对应的PLSR模型校正集的Rcal和RMSEC分别为0.95和0.050,预测集的Rp和RMSEP分别为0.91和0.071。其次通过比较＂矩形区域法＂和PCR,SMLR和PLSR三个模型中,＂图像分割法＂提取的ROIs光谱数据建模效果较优。表明,应用高光谱图像技术结合＂图像分割法＂提取ROIs快速无损准确检测羊肉pH具有可行性。展开更多
为加速AprilTag检测,提出了一种基于改进YOLOv5s预提取RoI(region of interest)的AprilTag检测方法。改进YOLOv5s网络,在输入灰度图像的单通道模式下,分别采用Ghost Bottleneck和ConvNeXt Block替换主干网络和颈部网络的C3和瓶颈模块,...为加速AprilTag检测,提出了一种基于改进YOLOv5s预提取RoI(region of interest)的AprilTag检测方法。改进YOLOv5s网络,在输入灰度图像的单通道模式下,分别采用Ghost Bottleneck和ConvNeXt Block替换主干网络和颈部网络的C3和瓶颈模块,提高模型的推理速度和泛化能力;通过亮度增强扩充数据集,提高模型鲁棒性。基于改进的YOLOv5网络进行AprilTag预识别,通过输出锚框划分RoI进行AprilTag检测,缩小图像处理范围,提高计算效率。实验结果表明,提出的AprilTag检测方法在1080P图像下FPS比传统AprilTag算法提高了77.42%以上。展开更多
提出了一种基于视觉注意机制的图像感兴趣区域(regions of interest,ROI)纹理块鲁棒水印方案,用视觉注意模型计算出图像的显著图,基于显著图坐标和图像纹理区,采用调整Tchebichef矩系数的方法对感兴趣区域进行水印的嵌入,用于保护图像...提出了一种基于视觉注意机制的图像感兴趣区域(regions of interest,ROI)纹理块鲁棒水印方案,用视觉注意模型计算出图像的显著图,基于显著图坐标和图像纹理区,采用调整Tchebichef矩系数的方法对感兴趣区域进行水印的嵌入,用于保护图像的感兴趣区域。该算法实现了对图像感兴趣区域的有效自动分割,提高了计算机图像分析与处理的有效性和针对性,对图像压缩、滤波、噪声添加、背景替换以及恶意剪切等攻击均具有很强的鲁棒性。展开更多
文摘目的探讨纹理分析与基于不同感兴趣区域(regions of interest,ROI)动态对比增强MRI在确定胶质瘤等级中的作用。材料与方法搜集病理证实的高级别胶质瘤(high-grade glioma,HGG)(WHOⅢ级、Ⅳ级)及低级别胶质瘤(low-grade glioma,LGG)(WHOⅠ级、Ⅱ级)各40例。所有患者均行常规磁共振成像及动态对比磁共振(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)检查。ROI由以下两个区域确定:(1)整个肿瘤区域;(2)肿瘤实性部分。使用非参数Wilcoxon秩和检验比较高级别胶质瘤和低级别胶质瘤之间的纹理特征。结果对于整个肿瘤ROI,HGG和LGG之间的不均匀性值的差异有统计学意义(Z=50.37,P=0.01<0.05)。对于实性部分ROI,不均匀性显示HGG和LGG之间的差异无统计学意义(Z=34.65,P=0.06>0.05)。整个肿瘤的不均匀性参数比实性部分ROI具有更高的诊断准确性。结论基于不同ROI的DCE-MRI纹理分析可以为评估胶质瘤等级提供可靠的价值。
文摘感兴趣区域（regions of interest,ROIs）的选择及其光谱提取是高光谱图像无损检测分析的关键一步。为快速准确检测羊肉pH,在473～1 000nm波段,开展了两种不同提取ROIs方法对羊肉pH高光谱检测模型的影响研究。采用＂矩形区域法＂和＂图像分割法＂两种ROIs方法分别获得相应的122条羊肉光谱,对比了不同预处理方法对建模效果的影响,并比较了两种ROIs方法下逐步多元线性回归（SMLR）、主成分回归（PCR）和偏最小二乘回归（PLSR）的模型精度。结果表明,提取光谱数据建模中SMLR和PLSR模型效果分别最优。＂矩形区域法＂提取ROIs对应的SMLR模型校正集的相关系数（R_（cal））和均方根误差（RMSEC）分别为0.85和0.085,预测集的相关系数（R_p）和均方根误差（RMSEP）分别为0.82和0.097。＂图像分割法＂提取ROIs对应的PLSR模型校正集的Rcal和RMSEC分别为0.95和0.050,预测集的Rp和RMSEP分别为0.91和0.071。其次通过比较＂矩形区域法＂和PCR,SMLR和PLSR三个模型中,＂图像分割法＂提取的ROIs光谱数据建模效果较优。表明,应用高光谱图像技术结合＂图像分割法＂提取ROIs快速无损准确检测羊肉pH具有可行性。
文摘为加速AprilTag检测,提出了一种基于改进YOLOv5s预提取RoI(region of interest)的AprilTag检测方法。改进YOLOv5s网络,在输入灰度图像的单通道模式下,分别采用Ghost Bottleneck和ConvNeXt Block替换主干网络和颈部网络的C3和瓶颈模块,提高模型的推理速度和泛化能力;通过亮度增强扩充数据集,提高模型鲁棒性。基于改进的YOLOv5网络进行AprilTag预识别,通过输出锚框划分RoI进行AprilTag检测,缩小图像处理范围,提高计算效率。实验结果表明,提出的AprilTag检测方法在1080P图像下FPS比传统AprilTag算法提高了77.42%以上。
文摘提出了一种基于视觉注意机制的图像感兴趣区域(regions of interest,ROI)纹理块鲁棒水印方案,用视觉注意模型计算出图像的显著图,基于显著图坐标和图像纹理区,采用调整Tchebichef矩系数的方法对感兴趣区域进行水印的嵌入,用于保护图像的感兴趣区域。该算法实现了对图像感兴趣区域的有效自动分割,提高了计算机图像分析与处理的有效性和针对性,对图像压缩、滤波、噪声添加、背景替换以及恶意剪切等攻击均具有很强的鲁棒性。
