王雅萍
- 作品数：6 被引量：21H指数：3
- 供职机构：郑州大学信息工程学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金河南省科技发展计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 人体自由运动状态下的视线追踪算法研究被引量：3
- 2017年
- 针对人体在大空间范围内自由运动时视线方向难以追踪的问题,构建了一套基于光学跟踪设备的头戴式视线追踪系统。系统通过被动式光学追踪设备和头戴式眼部摄像机获取使用者的头部运动状态与眼部图像,然后依据初始标定结果来估计使用者自由运动状态下的视线方向;最后对系统进行简化,得到了适用于同类环境、与具体硬件设备无关的视线跟踪三点三面三变换几何模型。对系统进行应用实验和误差分析表明,使用者在3.0 m×3.2 m×2.0 m的大工作空间内自由运动时视线追踪误差为1.69°,频率为20 Hz。
- 潘世豪赵新灿王雅萍高明磊
- 关键词：视线追踪光学跟踪人机交互
- 沉浸式三维视线追踪算法研究被引量：3
- 2018年
- 针对大型沉浸式虚拟环境中人机交互完全依赖肢体动作且效率低等问题,提出利用三维视线追踪技术得到用户注视点,以实现交互操作,为沉浸式环境提供一种自然、双向的交互手段。创新性地将Leap Motion用于瞳孔位置跟踪,通过被动式光学追踪设备获取使用者的头部运动状态,依据初始标定得到的映射方程来估计使用者大空间范围内自由运动状态下的三维注视点。实验表明,使用者在3.0 m×3.2 m×2.0 m的空间内自由运动时,集成系统对三维注视点的估计频率可达60 Hz,估计误差小于45 mm,为视线追踪在沉浸式虚拟环境中的广泛应用奠定了基础。
- 赵新灿潘世豪王雅萍帖云
- 磁共振影像深度学习在精神分裂症诊断中的应用综述被引量：1
- 2020年
- 精神分裂症是一种大脑存在结构和功能异常的严重精神疾病,目前尚无十分有效的诊疗手段。许多研究者尝试采用基于磁共振影像的机器学习方法辅助诊断精神分裂症。深度学习由于其强大的特征表示能力,在医学影像等领域得到了广泛的应用,表现出比传统机器学习方法更优异的性能。目前已有论文对深度学习在医学影像领域内的应用进行了详细的总结和分析,却很少有论文对其在具体某一疾病(例如精神分裂症)诊断中的应用进行系统的梳理和总结。因此,本文主要关注深度学习在基于磁共振影像的精神分裂症诊断中的应用。首先介绍了基于磁共振影像的精神分裂症诊断中常用的几种深度学习模型;其次按照数据的不同模态将相关研究划分为:基于结构磁共振成像的方法、基于功能磁共振成像的方法以及基于多模态数据的方法,并对各类方法的具体应用进行了总结;最后针对目前的研究现状,进一步分析和总结出样本量偏小、样本类别不均衡、模型可解释性低、多模态分析中缺失模态数据以及缺少有效融合策略等,是目前该领域研究中存在的主要问题。多中心及纵向数据分析以及针对不同症状亚型的个体化精准诊断模型的构建,是未来该领域研究发展的趋势。本文系统地总结了深度学习在基于磁共振影像的精神分裂症诊断中的应用,分析了该领域面临的问题和下一步的研究方向,对该领域的研究具有一定的参考和指导意义。
- 宋佩伦王雅萍耿秀娟张航宋学勤
- 关键词：精神分裂症磁共振影像
- 等强度婴儿脑MR图像分割的深度学习方法综述被引量：4
- 2020年
- 磁共振(magnetic resonance,MR)成像作为一种安全非侵入式的成像技术,可以提供高分辨率且具有不同对比度的大脑图像,被越来越多地应用于婴儿大脑研究中。将婴儿脑MR图像准确地分割为灰质、白质和脑脊液,是研究早期大脑发育模式不可或缺的基础处理环节。由于在等强度阶段(6~9月龄)婴儿脑MR图像中,灰质和白质信号强度基本一致,组织对比度极低,导致此阶段的脑组织分割非常具有挑战性。基于深度学习的等强度婴儿脑MR图像分割方法,由于其卓越的性能受到研究人员的广泛关注,但目前尚未有文献对该领域的方法进行系统总结和分析。因此本文对目前基于深度学习的等强度婴儿脑MR图像分割方法进行了系统总结,从基本思想、网络架构、性能及优缺点4个方面进行了介绍。并针对其中的典型算法在iSeg-2017数据集上的分割结果进行了对比分析,最后对等强度婴儿脑MR图像分割中存在的问题及未来研究方向进行展望。本文通过对目前基于深度学习的等强度婴儿脑MR图像分割方法进行总结,可以看出深度学习方法已经在等强度期婴儿脑分割中展现出巨大优势,相比传统方法在分割精度和效率上均有较大提升,将进一步促进人类人脑早期发育研究。
- 张航王雅萍耿秀娟付鹏飞
- 关键词：磁共振成像卷积神经网络
- 基于共现流增强双向金字塔卷积网络的密集液滴识别
- 2022年
- 基于深度学习的数字聚合酶链式反应(PCR)液滴识别对PCR图像中的目标进行高阶语义建模,能够减少人工参与特征设计和筛选带来的误差,但忽略了目标的低层物理结构和几何外观细节信息,且在特征建模的过程中重复使用了大量冗余信息,对特征的表征能力有待改善。提出一种共现流增强双向金字塔卷积网络(CoFBiPCN)框架用于PCR液滴识别和统计。为增强金字塔的内部和层间相关性,设计具有时空分支的双向金字塔卷积网络,从正反2个方向对金字塔卷积网络得到的多尺度特征进行聚合,模拟PCR图像中液滴的上下文语义以及不同层级的细节信息,以捕获液滴的物理外观等低层信息。同时,设计切片的共现注意力(SCo-AN)模块,将不同尺度的高低层信息在不同的切片子空间中进行共享聚合,并交叉传递到不同分支的BiPCN中,强化高低层特征信息的交互和依赖关系,进一步增强信息流对PCR图像上液滴的表征,实现低层和高阶信息流的共享与交叉聚合。实验结果表明,CoF-BiPCN具备良好的识别性能,准确率和平均精度均值分别达到84.74%和45.09%,与Cascade RCNN模型相比分别提高4.3和3.12个百分点。
- 朱凌王雅萍廖丽敏
- 中国医学影像人工智能20年回顾和展望被引量：10
- 2022年
- 在过去20年里,医学影像技术、人工智能技术以及这两项技术相结合的临床应用都取得了长足发展。中国在该领域的研究也取得卓越成就,并且在全世界范围内的贡献比例仍在逐步提高。为了记录和总结国内同行的科研成果,本文对中国医学影像人工智能过去20年的发展历程进行回顾和展望。重点分析了国内同行在公认的医学影像人工智能领域的国际顶级刊物Medical Image Analysis(MedIA)和IEEE Transactions on Medical Imaging(TMI)以及顶级会议Medical Image Computing and Computer Assisted Intervention(MICCAI)发表的论文,定量统计了论文发表数量、作者身份、发表单位、作者合作链、关键词和被引次数等信息。同时总结了近20年中国医学影像人工智能发展进程中的重要事件,包括举办的医学影像人工智能知名国际和国内会议、《中国医学影像AI白皮书》的发布以及国内同行在COVID-19(corona virus disease 2019)期间的贡献,最后展望了中国医学影像人工智能领域未来的发展趋势。上述统计结果系统性地反映了在过去20年里中国在医学影像人工智能领域所取得的突出成绩。许多研究论文的作者将数据和源代码公开给全世界共享,为全世界医学影像人工智能的科研和教学做出了杰出贡献。通过本文中国医学影像人工智能领域的发展历程,可为医学影像人工智能同行,尤其为新一代的学者和学生提供科研和教学参考,也为继续促进和加强国际合作交流,为全世界该领域进一步的蓬勃发展做出重要贡献。
- 蒋希袁奕萱王雅萍肖振祥朱美芦陈泽华刘天明沈定刚
- 关键词：医学影像
