1 北方民族大学 计算机科学与工程学院，宁夏银川75002
2 宁夏医科大学 医学信息工程学院，宁夏银川750004
3 北方民族大学 图像图形智能处理国家民委重点实验室，宁夏银川750021
基于生成对抗网络（Generative Adversarial Network，GAN）的医学图像融合是计算机辅助诊断领域的研究热点之一，但是现有基于GAN的融合方法存在训练不稳定，提取图像的局部和全局上下文语义信息能力不足，交互融合程度不够等问题。针对上述问题，本文提出了双耦合交互式融合GAN （Dual-Coupled Interactive Fusion GAN， DCIF-GAN）。首先，设计了双生成器双鉴别器GAN，通过权值共享机制实现生成器之间和鉴别器之间的耦合，通过全局自注意力机制实现交互式融合；第二，设计耦合CNN-Transformer的特征提取模块（Coupled CNN-Transformer Feature Extraction Module， CC-TFEM）和特征重构模块（CNN-Transformer Feature Reconstruction Module， C-TFRM），提升了对同一模态图像内部的局部和全局特征信息提取能力；第三，设计跨模态交互式融合模块（Cross Model Intermodal Fusion Module， CMIFM），通过跨模态自注意力机制，进一步整合不同模态间的全局交互信息。为了验证本文模型的有效性，在肺部肿瘤PET/CT医学图像数据集上进行实验，该文方法在平均梯度，空间频率，结构相似度，标准差，峰值信噪比，信息熵等上与其他四种方法中最优方法相比，分别提高了1.38%，0.39%，29.05%，30.23%，0.18%，4.63%。模型能够突出病变区域信息，融合图像结构清晰且纹理细节丰富。
医学图像 图像融合 PET/CT 耦合生成对抗网络 Swin Transformer medical image image fusion PET/CT coupled generative adversarial network swin transformer 辐射研究与辐射工艺学报
2023, 41(4): 040203
1 天津城建大学土木工程学院, 天津 300384
2 天津市土木建筑结构防护与加固重点实验室, 天津 300384
3 天津市软土特性与工程环境重点实验室, 天津 300384
4 无锡拈花湾文化投资发展有限公司, 无锡 214091
为了提高再生混凝土(RAC)的力学性能, 将废聚对苯二甲酸乙二酯(PET)塑料瓶剪成纤维条制成纤维再生混凝土(FRRAC)。通过纤维再生混凝土与再生混凝土的坍落度试验和强度试验, 研究废PET塑料纤维长度、掺量对再生混凝土基本性能的影响, 并进行强度影响因素的显著性分析和混凝土微观结构分析。结果表明: 与不掺纤维的再生混凝土相比, 纤维再生混凝土的流动性降低, 且随废PET塑料纤维掺量、长度的增大而下降; 掺PET纤维后, 再生混凝土的抗压强度总体上有所提高, 劈裂抗拉强度明显大幅提高。对于抗压强度, 废PET塑料纤维的掺量影响显著; 对于劈裂抗拉强度, 纤维掺量、长度及二者交互作用均影响显著。掺PET纤维虽然会引入薄弱的界面过渡区, 但适量时可使再生混凝土结构致密。
废塑料纤维 再生混凝土 力学性能 显著性分析 微观结构 waste plastic fiber PET PET recycled aggregate concrete mechanical property significance analysis microstructure
山东大学光学高等研究中心， 山东 青岛 266237
使用1 710 nm半导体激光器，对同种透明聚对苯二甲酸乙二醇酯（PET）塑料进行激光透射焊接，由于透明PET塑料对1.7 μm的激光具有较高吸收率，因此焊接过程无需添加激光吸收剂。通过调整激光功率和焊接速度，探讨了线能量对焊接强度的影响。在激光功率为10 W，焊接速度为7.5 mm/s时，得到了美观牢固的焊接试件，此时的线能量为1.33 J/mm。保持此线能量不变，在激光功率为5~30 W的范围内设计了对比试验。结果表明，激光功率在5~30 W、焊接速度在3.75~22.50 mm/s内改变对焊接试件的焊缝强度影响较小。
聚对苯二甲酸乙二醇酯 透明塑料 激光透射焊接 吸收剂 polyethylene glycol terephthalate（PET） transparent plastic laser transmission welding absorbent
Author Affiliations
Abstract
1 School of Information Sciences and Technology, Northwest University, Xi'an, Shaanxi 710127, P. R. China
2 University of Wisconsin-Madison, Madison, Wisconsin 53715, USA
3 Department of Nuclear Medicine, Xijing Hospital, Fourth Military Medical University, Xi'an, Shaanxi 710127, P. R. China
Brown adipose tissue (BAT) is a kind of adipose tissue engaging in thermoregulatory thermogenesis, metaboloregulatory thermogenesis, and secretory. Current studies have revealed that BAT activity is negatively correlated with adult body weight and is considered a target tissue for the treatment of obesity and other metabolic-related diseases. Additionally, the activity of BAT presents certain differences between different ages and genders. Clinically, BAT segmentation based on PET/CT data is a reliable method for brown fat research. However, most of the current BAT segmentation methods rely on the experience of doctors. In this paper, an improved U-net network, ICA-Unet, is proposed to achieve automatic and precise segmentation of BAT. First, the traditional 2D convolution layer in the encoder is replaced with a depth-wise overparameterized convolutional (Do-Conv) layer. Second, the channel attention block is introduced between the double-layer convolution. Finally, the image information entropy (IIE) block is added in the skip connections to strengthen the edge features. Furthermore, the performance of this method is evaluated on the dataset of PET/CT images from 368 patients. The results demonstrate a strong agreement between the automatic segmentation of BAT and manual annotation by experts. The average DICE coe±cient (DSC) is 0.9057, and the average Hausdorff distance is 7.2810. Experimental results suggest that the method proposed in this paper can achieve e±cient and accurate automatic BAT segmentation and satisfy the clinical requirements of BAT.
PET/CT segmentation of brown adipose tissue U-net medical image processing deep learning Journal of Innovative Optical Health Sciences
2022, 15(3): 2250018
1 西北大学 信息科学与技术学院，陕西西安7027
2 西北大学 文化遗产数字化国家地方联合工程研究中心，陕西西安71017
通过表皮生长因子受体（Epidermal Growth Factor Receptor，EGFR）突变情况可以对患者是否患有非小细胞肺癌（Non-small Cell Lung Cancer， NSCLC）进行检测。提出了一种基于对比学习的自监督EGFR基因突变预测方法，在不需要大量专家手工标注患者数据集的情况下，对输入网络的患者病灶区图像进行阴性、阳性预测。对自监督BYOL网络进行修改，增加了网络投影层非线性多层感知器（Multilayer Perceptron，MLP）的层数，并将患者CT和PET两个模态的图像数据融合作为网络的输入，在不需要大量标注患者数据集的情况下，对阴性、阳性病例进行预测。在非小细胞肺癌EGFR基因突变数据集上，与传统的影像组学、有监督VGG-16网络、有监督ResNet-50、有监督Inception v3和无监督迁移学习CAE进行对比。实验结果表明，使用对比学习从患者的CT和PET图像学习到的患者病灶区图像的实例特征可以对阴性、阳性病例进行区分，并取得了77%的曲线下面积（Area Under the Curve，AUC）；相对于传统的影像组学方法分类结果AUC提高了7%，相对于有监督VGG-16网络的分类结果AUC提高了5%；在不需要大量专家手工标注数据集及大量患者临床数据的情况下仅比有监督ResNet-50 AUC低9%。改进BYOL网络仅需要少量标注的患者数据集便可得到比部分传统有监督方法更准确的检测结果，展示了其辅助临床决策的潜力。
医学图像处理 深度学习 对比学习 PET/CT 肺非小细胞肺癌基因突变预测 medical image processing deep learning contrastive learning PET/CT prediction of gene mutations in lung non-small cell lung cancer
1 中国电子科技集团公司第二十六研究所, 重庆 400060
2 云南省机电一体化应用技术重点实验室 云南省先进制造技术研究中心, 云南 昆明 650031
掺铈钆铝镓石榴石(Ce∶GAGG)是一种新型的无机闪烁晶体材料, 在核医学成像、环境辐照剂量监测、空间探测、国土安全及地质勘探等领域有广阔的应用前景。该文总结了Ce∶GAGG闪烁晶体在国内外的最新研究进展, 综述了Ce∶GAGG闪烁体探测器在地基、空基和天基搭载平台上的应用, 最后展望了Ce∶GAGG晶体材料及其应用的发展方向。
掺铈钆铝镓石榴石(Ce∶GAGG)闪烁晶体 闪烁体探测器 辐射监测 γ相机 康普顿相机 正电子发射断层扫描(PET) cerium-doped gadolinium aluminum garnet(Ce∶GAGG) scintillator detector radiation monitoring γ-ray camera Compton camera positron emission tomography(PET)
1 河北大学 电子信息工程学院, 保定 071002
2 河北省数字医疗工程重点实验室, 保定 071002
3 河北省机器视觉工程技术研究中心, 保定071002
4 河北大学附属医院, 保定 071000
为了解决阿尔茨海默病3维正电子发射断层成像(PET)与核磁共振成像(MRI)相同位置强度不同问题, 同时保留MRI大脑皮质、脑回沟、海马体等的萎缩情况,首先将两幅源图像在统计参量图(SPM)中预处理, 再利用3维剪切波系统(ShearLab 3D)最优表达高维数据的能力对图像分解, 生成低高频子带, 并以方差作为阈值将高频子带分为中高频子带。低频子带使用3维扩展的加权局部能量与改进拉普拉斯算子的加权和加权的融合规则, 并引入锐化矩阵为权重参量, 使融合图像边缘清晰;中频子带以绝对值为活动度量增强图像的边缘信息;高频子带以3个3维底层特征加权融合规则增强图像的细节特征。最后, 利用ShearLab 3D逆变换获得PET/MRI图像。结果表明, ShearLab 3D变换的融合结果整体优于空域和小波变换; ShearLab 3D方法中将不同融合规则对比分析, 该算法融合结果的平均梯度、空间频率、边缘强度、综合熵分别提高了11.09%, 22.58%, 152.68%, 0.58%, 解决了边缘模糊、细节不清晰的问题。该研究为PET/MRI图像融合提供了参考。
图像处理 图像融合 ShearLab 3D软件 拉普拉斯算子的加权和 image processing image fusion PET/MRI PET/MRI ShearLab 3D software weighted sum of based modified Laplacian
1 西安理工大学机械与精密仪器工程学院, 陕西 西安 710048
2 西安理工大学印刷包装工程重点实验室, 陕西 西安 710048
基于吸光度与物质浓度的相关关系建立了一种PET薄膜印刷的混合油墨组分预测模型。 该方法首先依据光的传播理论和光在墨层与承印材料中的多重内反射原理, 利用基色和混合专色薄膜印品在黑白两色基底上的反射光谱, 建立具有高透低反特性薄膜印品透射光谱的获取方法, 并利用透射光谱求解吸收光谱; 然后对专色吸光度与基色浓度进行回归分析, 确定吸光度与基色浓度线性相关度高的特征波段, 再根据郎伯比尔定律, 利用特征波长处的专色样本吸光度与基色样本吸光度建立组分预测模型, 求解专色样本的配方比例; 最后, 分析预测配方与预设浓度的偏差, 并按照预测配方浓度重新打样, 采用色差与光谱均方根误差对计算配方色与目标专色的匹配程度进行分析, 验证模型精度。 以凹印PET薄膜双基色混合样品为实验对象, 对提出的方法进行测试。 光谱分析表明, 基色样本和专色样本光谱反射率曲线在黑白两种基底上有明显差异, 但都随基色油墨浓度变化具有相同的变化规律, 专色样本的光谱透射曲线随着基色浓度的变化接近浓度比例大的基色曲线, 在400～580 nm区间, 专色的吸收光谱随着基色油墨A浓度降低而升高, 在580～700 nm区间随着基色油墨A浓度降低而降低。 除570～590 nm吸收曲线相交区间以外, 在可见光范围内专色油墨吸光度与基色油墨浓度之间的判定系数R2均大于0.95, 平均值为0.990 0, 两者具有强线性相关关系。 分别选取基色A和B波长为520 nm(R2为0.994 2)和700 nm(R2为0.998 5)处的吸光度代入配色模型, 并利用最小二乘法求解目标专色的配方比例。 实验结果表明, 六组预测浓度与预设浓度相比较, 配方平均偏差为2.5%, 无显著偏差。 配方色样本与专色样本色差最大值为1.98, 最小值为0.30, 平均值为0.85, 均满足GMI对专色复制的要求, 其中5组专色色差小于1.5, 符合专色忠实复制的要求; 6组专色的光谱均方根误差最大值为2.93%, 最小值为0.49%, 平均值为1.40%, 基本实现了同色同谱的高精度颜色复制。 验证了该方法对于提高专色油墨配色精度和改善PET薄膜印刷质量具有显著效果, 可为PET薄膜专色配方预测提供科学方法。
吸光度 光谱透射率 PET薄膜印刷 计算机配色 Absorbance Spectral transmittance PET film print Computer color matching
1 桂林电子科技大学 电子工程与自动化学院 广西高校光电信息处理重点实验室, 桂林 541004
2 天津大学 精密仪器与光电子工程学院 光电信息技术教育部重点实验室, 天津 300072
为了实现对聚对苯二甲酸乙二醇酯（PET)瓶胚壁厚实时、高效、高精度的测量, 采用理论仿真结合实验验证的方法, 以标称3.5mm厚型的PET瓶胚为例给出设计实例, 建立了PET瓶胚壁厚测量的光学模型, 根据光线追迹原理分析验证反射式光纤位移传感器在测量PET瓶胚壁厚中应用的可行性, 并利用LIGHTTOOLS软件进行仿真模拟, 最终设计出一种基于反射式光纤位移传感器对PET瓶胚壁厚实时测量的装置, 并进行了实验验证。结果表明, 实验装置的测量量程为3.20mm~3.80mm, 线性度为15.8%, 灵敏度为0.8448mV/μm, 该装置相比传统测量效率提高了30%以上。这对提高实际检测效率和精度具有参考应用价值。
光纤光学 光纤位移传感器 反射调制 PET瓶胚壁厚测量 微位移测量 fiber optics fiber displacement sensor reflective modulation measurement of wall thickness of PET bottle miniature displacement measurement
