针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分...针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分割茶垄道路与背景,通过形态学操作对图像进行增强与降噪,使用最大连通域检测操作提取ROI内的坐标信息与特征点,根据ROI提取的坐标信息动态生成ROI,直到整个图像中所有茶垄道路信息提取完成,最后采用最小二乘法获取跨垄式采茶机底盘在垄间行驶的导航线。该方法经过连续帧测试,处理一帧1920×1080像素图像的平均时间为18 ms,该研究算法与人工提取导航线的航向角平均误差为0.405°,标准差为0.463°,可在一定杂草、落叶干扰的情况下完成导航角提取。展开更多
目的:颈前路减压融合术是治疗退行性颈椎病的经典手术方式,钉板的使用增加了融合率及稳定性的同时,间接导致了邻近椎体退变和术后吞咽困难的发生。文章通过Meta分析方法比较ROI-C^(TM)自锁系统和传统融合器联合钉板内固定治疗退行性颈...目的:颈前路减压融合术是治疗退行性颈椎病的经典手术方式,钉板的使用增加了融合率及稳定性的同时,间接导致了邻近椎体退变和术后吞咽困难的发生。文章通过Meta分析方法比较ROI-C^(TM)自锁系统和传统融合器联合钉板内固定治疗退行性颈椎病患者的临床结果和并发症情况,为颈前路减压融合术中内固定方式的选择提供循证学支持。方法:检索中国知网、万方、维普、PubMed、Cochrane Library、Web of Science和Embase数据库,检索关于颈前路减压融合术中应用ROI-C^(TM)自锁系统与融合器联合钉板内固定治疗退行性颈椎病的中英文文献。检索时间范围为各数据库建库至2023年7月。由2名研究者严格按照纳入与排除标准选择文献,采用Cochrane偏倚风险工具对随机对照试验进行质量评价,NOS量表对队列研究进行质量评价。采用RevMan 5.4软件进行Meta分析。结局指标包括手术时间、术中出血量、日本骨科协会(Japanese Orthopaedic Association Scores,JOA)评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率、邻近椎体退变发生率、融合器沉降率和吞咽困难发生率。结果:共纳入13项研究,其中回顾性队列研究11项,随机对照试验2项,共1136例患者,ROI-C组569例,融合器联合钉板组567例。Meta分析结果显示:ROI-C组与融合器联合钉板组在手术时间(MD=-15.52,95%CI:-18.62至-12.42,P<0.00001),术中出血量(MD=-24.53,95%CI:-32.46至-16.61,P<0.00001),术后邻近节段退变率(RR=0.40,95%CI:0.27-0.60,P<0.00001)和术后总吞咽困难发生率(RR=0.18,95%CI:0.13-0.26,P<0.00001)均具有显著性差异。两者在术后JOA评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率和融合器沉降率方面无显著性差异(P≥0.05)。结论:在颈椎前路减压融合术中应用ROI-C^(TM)自锁系统与传统融合器联合钉板内固定治疗退行性颈椎病均可达到满意的临床效果,ROI-C^(TM)自锁系统操作更加简单,相比融合器联合钉板内固定能明显减少手术时间及术中出血量,在减少术后吞咽困难及邻近节段退变发生率等方面具有明显优势,对于跳跃型颈椎病及邻椎病翻修患者,更加推荐使用ROI-C^(TM)自锁系统。但鉴于其可能存在较高的沉降率,对于多节段且合并融合器沉降高危因素如骨质疏松、椎体终板破损的退行性颈椎病患者,仍建议使用融合器联合钉板内固定。展开更多
针对现有加密算法在医学图像加密方面存在的效率低、健壮性差以及加密系统稳定性差的问题,设计一个图像感兴趣区域(Region Of Interest,ROI)加密方法。利用统计方法将医学图像中的规则区域或曲线区域提取出来,随机选取几个像素值进行迭...针对现有加密算法在医学图像加密方面存在的效率低、健壮性差以及加密系统稳定性差的问题,设计一个图像感兴趣区域(Region Of Interest,ROI)加密方法。利用统计方法将医学图像中的规则区域或曲线区域提取出来,随机选取几个像素值进行迭代生成加密密钥,对ROI进行置乱和扩散操作,完成ROI的空间域加密。所提算法在密钥随机性、抗攻击性以及健壮性等方面都表现出较好的性能,相比于同类加密算法表现出明显的优势,可以为医学领域保障患者图像信息安全提供技术支持。展开更多
为解决现有工件分类模型在处理高分辨率图像时非感兴趣区域(region of interest,ROI)的冗余计算问题,提出了1种ROI自适应轮廓驱动裁剪的工件分类网络模型(a workpiece classification network model with ROI adaptive contour-driven c...为解决现有工件分类模型在处理高分辨率图像时非感兴趣区域(region of interest,ROI)的冗余计算问题,提出了1种ROI自适应轮廓驱动裁剪的工件分类网络模型(a workpiece classification network model with ROI adaptive contour-driven cropping,ACDC-ClassNet)。该模型利用轮廓检测定位图像最大轮廓及其中心,据此生成标准化方形ROI裁剪区域,消除背景干扰。该模型采用预训练的50层残差网络(residual network-50 layers,ResNet-50),调整其分类头以适应工件类别数量,实现高效的特征聚焦与分类。结果表明,该ROI裁剪策略平均减少72.15%的冗余区域面积,使模型更专注于工件细节。相较于原始ResNet-50,ACDC-ClassNet在准确率、精确率、召回率、F1分数等指标上分别提升3.83、4.04、3.64、4.13个百分点。同时,该策略也优于高效网络(efficient network,EfficientNet)、视觉变换器(vision transformer,ViT)模型,准确率分别提升8.40、4.27个百分点。ACDC-ClassNet为工业背景下的高效视觉检测提供了新的技术路径。展开更多
为实现自动驾驶汽车能精准定位、检测且识别出车道线,提出一种基于自适应外接形参ROI(Region of Interest)的车道线搜寻检测算法。首先利用python GUI编程库Tkinter模块创建GUI界面,提供ROI形状选择及参数输入的外接窗口,适应不同需求...为实现自动驾驶汽车能精准定位、检测且识别出车道线,提出一种基于自适应外接形参ROI(Region of Interest)的车道线搜寻检测算法。首先利用python GUI编程库Tkinter模块创建GUI界面,提供ROI形状选择及参数输入的外接窗口,适应不同需求下进行车道线的定位、标注,无需反复更新源码,达到车道线自动“挖掘”的效果;其次以灰度直方图双峰值确定左右车道线的初始位置,利用自适应滑动窗口进行车道线的搜寻,依据统计所属车道线像素点的窗口覆盖率来更新、优化窗口参数。实验仿真证明,该算法不仅简化了程序,提高了车道线检测与识别的稳定性和准确性。展开更多
文摘针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分割茶垄道路与背景,通过形态学操作对图像进行增强与降噪,使用最大连通域检测操作提取ROI内的坐标信息与特征点,根据ROI提取的坐标信息动态生成ROI,直到整个图像中所有茶垄道路信息提取完成,最后采用最小二乘法获取跨垄式采茶机底盘在垄间行驶的导航线。该方法经过连续帧测试,处理一帧1920×1080像素图像的平均时间为18 ms,该研究算法与人工提取导航线的航向角平均误差为0.405°,标准差为0.463°,可在一定杂草、落叶干扰的情况下完成导航角提取。
文摘目的:颈前路减压融合术是治疗退行性颈椎病的经典手术方式,钉板的使用增加了融合率及稳定性的同时,间接导致了邻近椎体退变和术后吞咽困难的发生。文章通过Meta分析方法比较ROI-C^(TM)自锁系统和传统融合器联合钉板内固定治疗退行性颈椎病患者的临床结果和并发症情况,为颈前路减压融合术中内固定方式的选择提供循证学支持。方法:检索中国知网、万方、维普、PubMed、Cochrane Library、Web of Science和Embase数据库,检索关于颈前路减压融合术中应用ROI-C^(TM)自锁系统与融合器联合钉板内固定治疗退行性颈椎病的中英文文献。检索时间范围为各数据库建库至2023年7月。由2名研究者严格按照纳入与排除标准选择文献,采用Cochrane偏倚风险工具对随机对照试验进行质量评价,NOS量表对队列研究进行质量评价。采用RevMan 5.4软件进行Meta分析。结局指标包括手术时间、术中出血量、日本骨科协会(Japanese Orthopaedic Association Scores,JOA)评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率、邻近椎体退变发生率、融合器沉降率和吞咽困难发生率。结果:共纳入13项研究,其中回顾性队列研究11项,随机对照试验2项,共1136例患者,ROI-C组569例,融合器联合钉板组567例。Meta分析结果显示:ROI-C组与融合器联合钉板组在手术时间(MD=-15.52,95%CI:-18.62至-12.42,P<0.00001),术中出血量(MD=-24.53,95%CI:-32.46至-16.61,P<0.00001),术后邻近节段退变率(RR=0.40,95%CI:0.27-0.60,P<0.00001)和术后总吞咽困难发生率(RR=0.18,95%CI:0.13-0.26,P<0.00001)均具有显著性差异。两者在术后JOA评分、颈椎功能障碍指数、C_(2)-C_(7)Cobb角、融合率和融合器沉降率方面无显著性差异(P≥0.05)。结论:在颈椎前路减压融合术中应用ROI-C^(TM)自锁系统与传统融合器联合钉板内固定治疗退行性颈椎病均可达到满意的临床效果,ROI-C^(TM)自锁系统操作更加简单,相比融合器联合钉板内固定能明显减少手术时间及术中出血量,在减少术后吞咽困难及邻近节段退变发生率等方面具有明显优势,对于跳跃型颈椎病及邻椎病翻修患者,更加推荐使用ROI-C^(TM)自锁系统。但鉴于其可能存在较高的沉降率,对于多节段且合并融合器沉降高危因素如骨质疏松、椎体终板破损的退行性颈椎病患者,仍建议使用融合器联合钉板内固定。
文摘针对现有加密算法在医学图像加密方面存在的效率低、健壮性差以及加密系统稳定性差的问题,设计一个图像感兴趣区域(Region Of Interest,ROI)加密方法。利用统计方法将医学图像中的规则区域或曲线区域提取出来,随机选取几个像素值进行迭代生成加密密钥,对ROI进行置乱和扩散操作,完成ROI的空间域加密。所提算法在密钥随机性、抗攻击性以及健壮性等方面都表现出较好的性能,相比于同类加密算法表现出明显的优势,可以为医学领域保障患者图像信息安全提供技术支持。
文摘为解决现有工件分类模型在处理高分辨率图像时非感兴趣区域(region of interest,ROI)的冗余计算问题,提出了1种ROI自适应轮廓驱动裁剪的工件分类网络模型(a workpiece classification network model with ROI adaptive contour-driven cropping,ACDC-ClassNet)。该模型利用轮廓检测定位图像最大轮廓及其中心,据此生成标准化方形ROI裁剪区域,消除背景干扰。该模型采用预训练的50层残差网络(residual network-50 layers,ResNet-50),调整其分类头以适应工件类别数量,实现高效的特征聚焦与分类。结果表明,该ROI裁剪策略平均减少72.15%的冗余区域面积,使模型更专注于工件细节。相较于原始ResNet-50,ACDC-ClassNet在准确率、精确率、召回率、F1分数等指标上分别提升3.83、4.04、3.64、4.13个百分点。同时,该策略也优于高效网络(efficient network,EfficientNet)、视觉变换器(vision transformer,ViT)模型,准确率分别提升8.40、4.27个百分点。ACDC-ClassNet为工业背景下的高效视觉检测提供了新的技术路径。
文摘为实现自动驾驶汽车能精准定位、检测且识别出车道线,提出一种基于自适应外接形参ROI(Region of Interest)的车道线搜寻检测算法。首先利用python GUI编程库Tkinter模块创建GUI界面,提供ROI形状选择及参数输入的外接窗口,适应不同需求下进行车道线的定位、标注,无需反复更新源码,达到车道线自动“挖掘”的效果;其次以灰度直方图双峰值确定左右车道线的初始位置,利用自适应滑动窗口进行车道线的搜寻,依据统计所属车道线像素点的窗口覆盖率来更新、优化窗口参数。实验仿真证明,该算法不仅简化了程序,提高了车道线检测与识别的稳定性和准确性。
