精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parce...精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parcel extraction methodology,PKFFPE),PKFFPE以遥感图像和相应的边缘图像作为输入,采用编码器-解码器结构进行特征提取,利用多尺度注意力模块捕获不同尺度的关键特征,使用SoftMax对图像进行初步分割;通过深入分析同一田块内颜色、纹理等特征的分布规律获取先验知识,利用先验知识建立后处理方法,对初分割结果进行优化,生成田块精细数据。选择河北省邯郸市馆陶县和山东省泰安市宁阳县作为试验区,用于验证PKFFPE方法在平原地区和丘陵地区的适用性;选择UNet、ErfNet、SegNet、EIGNet,以及面向对象分类的方法作为初分割的对比方法,选择条件随机场和形态学处理作为的后处理的对比方法开展对比试验。试验结果表明,PKFFPE方法在馆陶县、宁阳县结果的准确率(96.1%、93.2%)、精确率(90.6%、87.6%)、召回率(93.2%、90.6%)、和F1分数(91.9%,89.0%)均优于对比方法,证明了PKFFPE方法在从高分辨遥感影像中提取田块精细数据方面具有突出的优势,能够应用于科研和生产实践。展开更多
弥散磁共振成像(Diffusion magnetic resonance imaging,dMRI)作为一种先进的医学成像技术,能够在宏观层面上对活体大脑白质连接进行重建。该技术为量化描述大脑结构连接提供了重要的工具,能够使用连接性或者组织微观结构指标进行量化...弥散磁共振成像(Diffusion magnetic resonance imaging,dMRI)作为一种先进的医学成像技术,能够在宏观层面上对活体大脑白质连接进行重建。该技术为量化描述大脑结构连接提供了重要的工具,能够使用连接性或者组织微观结构指标进行量化分析。在过去的20年里,使用弥散磁共振纤维束成像研究大脑连接已经成为神经影像学研究的重要方向。纤维束成像分割则是在量化分析大脑连接时定义不同量化区域的关键,它能够识别对量化大脑结构连接有意义的白质通路,并实现跨受试者的白质通路的定量比较。本文对纤维束分割方法进行了回顾,并按其技术路线归纳为两大类:一类是针对特定解剖纤维束的分割方法,聚焦于具有明确结构定义的通路(如弓状束、锥体束),适用于任务导向型分析与临床导航;另一类是全脑纤维束分割方法,强调数据驱动或图谱导向的结构划分,用于构建大规模结构连接网络和开展全脑层级分析。此外,本文还探讨了各类方法在适用性、准确性、可重复性与计算成本等方面的权衡。尽管自动化分割技术近年来取得显著进展,但目前的方法仍然无法兼顾准确性、泛化性和效率,在解剖一致性、方法标准化及结果可解释性方面仍存在挑战。基于数据驱动的深度学习方法在纤维束分割领域迅速发展,表现出色,有望在上述方面取得更大突破。展开更多
文摘精细的田块数据是现代农业的重要基础资料,该研究针对从高分辨率遥感影像中提取田块精细数据的需求,建立了一种先验知识融合语义特征的冬小麦田块精细提取方法(prior knowledge and semantic features integration-based farmland parcel extraction methodology,PKFFPE),PKFFPE以遥感图像和相应的边缘图像作为输入,采用编码器-解码器结构进行特征提取,利用多尺度注意力模块捕获不同尺度的关键特征,使用SoftMax对图像进行初步分割;通过深入分析同一田块内颜色、纹理等特征的分布规律获取先验知识,利用先验知识建立后处理方法,对初分割结果进行优化,生成田块精细数据。选择河北省邯郸市馆陶县和山东省泰安市宁阳县作为试验区,用于验证PKFFPE方法在平原地区和丘陵地区的适用性;选择UNet、ErfNet、SegNet、EIGNet,以及面向对象分类的方法作为初分割的对比方法,选择条件随机场和形态学处理作为的后处理的对比方法开展对比试验。试验结果表明,PKFFPE方法在馆陶县、宁阳县结果的准确率(96.1%、93.2%)、精确率(90.6%、87.6%)、召回率(93.2%、90.6%)、和F1分数(91.9%,89.0%)均优于对比方法,证明了PKFFPE方法在从高分辨遥感影像中提取田块精细数据方面具有突出的优势,能够应用于科研和生产实践。
文摘弥散磁共振成像(Diffusion magnetic resonance imaging,dMRI)作为一种先进的医学成像技术,能够在宏观层面上对活体大脑白质连接进行重建。该技术为量化描述大脑结构连接提供了重要的工具,能够使用连接性或者组织微观结构指标进行量化分析。在过去的20年里,使用弥散磁共振纤维束成像研究大脑连接已经成为神经影像学研究的重要方向。纤维束成像分割则是在量化分析大脑连接时定义不同量化区域的关键,它能够识别对量化大脑结构连接有意义的白质通路,并实现跨受试者的白质通路的定量比较。本文对纤维束分割方法进行了回顾,并按其技术路线归纳为两大类:一类是针对特定解剖纤维束的分割方法,聚焦于具有明确结构定义的通路(如弓状束、锥体束),适用于任务导向型分析与临床导航;另一类是全脑纤维束分割方法,强调数据驱动或图谱导向的结构划分,用于构建大规模结构连接网络和开展全脑层级分析。此外,本文还探讨了各类方法在适用性、准确性、可重复性与计算成本等方面的权衡。尽管自动化分割技术近年来取得显著进展,但目前的方法仍然无法兼顾准确性、泛化性和效率,在解剖一致性、方法标准化及结果可解释性方面仍存在挑战。基于数据驱动的深度学习方法在纤维束分割领域迅速发展,表现出色,有望在上述方面取得更大突破。
