宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度

北京协和医院：《放射诊断学》课程教学资源（PPT课件）肺内基本病变影像分析

第一节 检查技术 第二节 影像观察与分析 第三节 肺与纵隔疾病影像学诊断

第一章 骨骼系统 第一节 检查技术 第二节 影像观察与分析 第三节 疾病诊断 第二章 关节 第一节 检查技术 第二节 影像观察与分析 第三节 关节疾病

利用剪切测试所测得的精确实验数据,分析了影像剪切抗力的基本因素和规律

一、遥感影像地学分析方法 二、植被信息抽取与应用 三、地质地貌信息抽取 四、水体信息抽取 五、土壤信息抽取 六、人造地物信息抽取 七、高光谱遥感

本节主要内容 一、遥感影像地学分析方法 二、植被信息抽取与应用 三、地质地貌信息抽取 四、水体信息抽取 五、土壤信息抽取 六、人造地物信息抽取 七、高光谱遥感

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础

像片解析就是用数学分析的方法,研究 被摄物体在航摄像片上的成像规律,像 片上影像与所摄物体之间的数学关系, 从而建立像点与物点的关系式。其目的 是根据像片上的影像,采用解析方法或 者图解的方式,获取被摄物体的空间坐 标或地物的几何图形

第一节 超声诊断物理基础 第二节 超声成像原理 第三节 声像图分类 第四节 超声检查的方法学 第六节 图像分析方法