• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于3D點(diǎn)云深度學(xué)習(xí)對蝶竇進(jìn)行身份認(rèn)定

      2021-07-02 01:57:10文瀚杰
      現(xiàn)代計(jì)算機(jī) 2021年13期
      關(guān)鍵詞:蝶竇薄層斷層

      文瀚杰

      (四川大學(xué)視覺合成圖形圖像技術(shù)國防重點(diǎn)學(xué)科實(shí)驗(yàn)室,成都610065)

      0 引言

      身份信息確認(rèn),在日常的刑事領(lǐng)域和災(zāi)難調(diào)查中是至關(guān)重要的一個環(huán)節(jié)。因此,個體身份認(rèn)定在法醫(yī)學(xué)領(lǐng)域長久以來一直是研究的重心。目前已經(jīng)有了很多成熟的方法對身份未定的個人進(jìn)行身份識別,例如大家耳熟能詳?shù)闹讣y識別[1]、DNA檢測分析[2]、齒科對比檢驗(yàn)[3]、紋身對比[4]等方法。

      但是這些方法在一些特殊情況下卻難以奏效。例如在生物組織被破壞、丟失,或因耗時耗力,成本極高而難以實(shí)現(xiàn)。在某些案件或者災(zāi)難中,因?yàn)槭w出現(xiàn)腐敗、白骨化,或者已經(jīng)被周圍的環(huán)境進(jìn)行了污染,那么常規(guī)的方法就會束手無策。在這種情況下,通過對比生前或者死后的影像學(xué)資料進(jìn)行個體識別被認(rèn)為是一種行之有效的替代方法。國內(nèi)這方面的研究不多,在國外,Beaini,T.L等人[5]就通過計(jì)算機(jī)技術(shù)利用人頭骨內(nèi)的額竇部位對人的身份進(jìn)行了識別認(rèn)定。與額竇類似,人體頭顱中的蝶竇部位其解剖和生物學(xué)特征具有一定的特異性。盡管蝶竇氣化發(fā)育過程尚未形成統(tǒng)一的認(rèn)知,但是普遍認(rèn)為成人以后其大小、形態(tài),在正常的生理狀態(tài)下基本保持穩(wěn)定。

      過往的研究已經(jīng)證實(shí),蝶竇在小范圍進(jìn)行主觀視覺對比具有極好的可靠性和有效性[6]。但是,但是既往的研究通常是基于人工提取影像特征進(jìn)行比較,需要經(jīng)驗(yàn)豐富的閱片者人工識別、提取、分類,主觀性強(qiáng),當(dāng)面對大樣本時人工識別方法費(fèi)時費(fèi)力,限制了人工視覺比較進(jìn)行識別的應(yīng)用。

      隨著醫(yī)學(xué)圖像處理技術(shù)的發(fā)展,以及對于薄層CT斷層圖像的開發(fā)。使用薄層CT斷層圖像進(jìn)行三維重建來獲取蝶竇的三維結(jié)構(gòu)成為可能。如果將蝶竇的三維形狀通過相應(yīng)的技術(shù)提取出來,并且應(yīng)用計(jì)算機(jī)視覺、三維識別、深度學(xué)習(xí)等技術(shù)對于蝶竇的三維進(jìn)行識別和分析。或許能夠?qū)崿F(xiàn)自動化的個體識別,減少識別的時間,增加識別的準(zhǔn)確性,進(jìn)一步拓展深度學(xué)習(xí)的適用范圍,增加身份識別認(rèn)定的方法,提高效率。

      基于此,本文利用蝶竇的三維結(jié)構(gòu),應(yīng)用三維點(diǎn)云深度學(xué)習(xí)方法,對于蝶竇的三維特征進(jìn)行提取,并且進(jìn)行身份認(rèn)定,驗(yàn)證了這種方法的可行性和適應(yīng)性。

      1 材料與數(shù)據(jù)

      1.1 材料來源

      本實(shí)驗(yàn)主要采用基于腦部薄層CT斷層圖像的三維蝶竇模型進(jìn)行實(shí)驗(yàn)。其提取出來的蝶竇三維模型如圖1所示。蝶竇是位于人體頭骨內(nèi),蝶骨體內(nèi)不規(guī)則的氣腔結(jié)構(gòu),發(fā)育較緩慢,氣化程度變異很大。相比較額竇而言,蝶竇其解剖位置較深,難以被常規(guī)方法觸達(dá)。所以其不容易受死亡因素及外界環(huán)境因素的影響,在特殊情況下,其形態(tài)結(jié)構(gòu)更易保存完整。為了實(shí)現(xiàn)身份的同一性認(rèn)定,模擬災(zāi)難發(fā)生后的身份認(rèn)定情景,每位研究對象至少收集了不同時期兩次薄層CT斷層圖像。

      圖1 蝶竇三維模型(女性)

      蝶竇數(shù)據(jù)稀少,只存在于腦部薄層CT斷層圖像中,為了盡量提高深度學(xué)習(xí)的泛化效果和相應(yīng)的準(zhǔn)確率,本實(shí)驗(yàn)收集了盡可能多的實(shí)驗(yàn)數(shù)據(jù)。一共收集了120人的數(shù)據(jù),包含薄層CT斷層圖像一共240份。本次數(shù)據(jù)收集范圍排除了18歲以下的未成年人,任何一個含有可能影響蝶竇發(fā)育的疾病對象、外傷對象、手術(shù)對象都被排除在外,圖像清晰且不存在偽影。所有數(shù)據(jù)均取自四川大學(xué)華西醫(yī)院,全部數(shù)據(jù)按人打標(biāo)簽進(jìn)行分類。取出100人用作深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練,20人用作深度學(xué)習(xí)網(wǎng)絡(luò)的測試。每個對象至少包含兩次薄層CT斷層圖像用作提取蝶竇三維模型

      1.2 數(shù)據(jù)處理

      對于每一個薄層CT斷層圖像,將其導(dǎo)入對應(yīng)的醫(yī)學(xué)圖像處理軟件,通過醫(yī)學(xué)圖像處理軟件對薄層CT斷層圖像中的蝶竇竇腔進(jìn)行三維重建。利用軟件中的氣體在CT斷層圖像上的灰度差異,利用分布在不同位置的識別點(diǎn)、分割氣腔、重建蝶竇處竇腔的完整形態(tài),并將其以STL格式導(dǎo)出,一共導(dǎo)出了240個三維蝶竇模型,每個實(shí)驗(yàn)對象包含兩個,歸屬于不同時期。

      然后通過對應(yīng)的程序?qū)TL格式轉(zhuǎn)換成存儲點(diǎn)云的PCD格式。這一步操作從STL格式轉(zhuǎn)換到PCD是無損的,是相同數(shù)據(jù)的不同的存儲形式,所以并不會對三維蝶竇形狀和大小造成影響,進(jìn)而影響實(shí)驗(yàn)結(jié)果。具體的轉(zhuǎn)換過程如圖2所示。首先將a中DICOM格式的薄層CT斷層圖像,通過醫(yī)學(xué)處理軟件轉(zhuǎn)換成b中的STL格式的三維蝶竇模型,然后通過程序?qū)⑷S蝶竇模型轉(zhuǎn)換成PCD格式存儲的點(diǎn)云數(shù)據(jù),以三維坐標(biāo)x,y,z存儲,如c所示,這是蝶竇三維模型的點(diǎn)云展示。蝶竇三維模型經(jīng)過轉(zhuǎn)換成點(diǎn)云數(shù)據(jù)以后,由于其蝶竇模型復(fù)雜程度不一,大小不一,所以其點(diǎn)云數(shù)據(jù)的點(diǎn)數(shù)并不相同。所以,還需要經(jīng)過下采樣處理,如d中所示,是經(jīng)過下采樣以后的蝶竇點(diǎn)云數(shù)據(jù)。將蝶竇的點(diǎn)云數(shù)據(jù)通過下采樣算法統(tǒng)一到相同的點(diǎn)數(shù)以后,進(jìn)行深度學(xué)習(xí)實(shí)現(xiàn)身份認(rèn)定。

      圖2 蝶竇數(shù)據(jù)轉(zhuǎn)換過程

      2 算法實(shí)現(xiàn)

      2.1 網(wǎng)絡(luò)選擇與識別流程

      蝶竇是人體頭骨復(fù)雜的一部分,其局部特征差異大,模型表面具有褶皺和相應(yīng)的凸起,所以點(diǎn)云數(shù)據(jù)模型的特征學(xué)習(xí)具有挑戰(zhàn)性。Point-Net++[7]相比較它的上一個版本而言,提出了多層級特征提取結(jié)構(gòu),并且利用上一個版本的主網(wǎng)絡(luò)作為特征提取器,加強(qiáng)了局部特征感知能力,使得網(wǎng)絡(luò)的分類和分割效果相比之前的網(wǎng)絡(luò)得到了巨大的提升。并且針對不均勻點(diǎn)云數(shù)據(jù)的挑戰(zhàn),增加了密度自適應(yīng)層,提升了相應(yīng)的魯棒性和應(yīng)對稀疏點(diǎn)云的能力。根據(jù)Point-Net++以上的優(yōu)勢,為了更好地提取蝶竇點(diǎn)云數(shù)據(jù)的特征和提升識別效果,本實(shí)驗(yàn)選擇Point-Net++深度學(xué)習(xí)網(wǎng)絡(luò),作為復(fù)現(xiàn)對象,來當(dāng)作點(diǎn)云數(shù)據(jù)的特征提取器。

      整個實(shí)驗(yàn)流程如圖3所示。首先將原始的DI?COM格式的頭骨薄層掃描CT通過軟件導(dǎo)出蝶竇的三維模型,然后將蝶竇的三維模型,通過相應(yīng)的程序?qū)⒌]的三維模型轉(zhuǎn)換成點(diǎn)云數(shù)據(jù)并進(jìn)行預(yù)處理。然后搭建Point-Net++模型,將100個實(shí)驗(yàn)對象的蝶竇模型按人分類進(jìn)行分類訓(xùn)練。隨后將訓(xùn)練好的模型當(dāng)作特征提取器,將最后一層分類網(wǎng)絡(luò)層前的全連接層視作特征提取層,輸入測試模型提取特征。最后通過比對模型提取的特征實(shí)現(xiàn)身份認(rèn)定,相似度的對比方法采用的是余弦相似度算法。

      圖3 實(shí)驗(yàn)流程

      2.2 數(shù)據(jù)擴(kuò)增與訓(xùn)練

      現(xiàn)有的數(shù)據(jù)比較稀少,相比較現(xiàn)有成熟的圖像識別巨大數(shù)據(jù)集而言,是十分稀少的。所以為了解決這個問題,本實(shí)驗(yàn)采用與圖像識別類似的方式對于放入的點(diǎn)云數(shù)據(jù)進(jìn)行擴(kuò)增,主要采用放大、旋轉(zhuǎn)、平移、縮小等方法進(jìn)行數(shù)據(jù)快速擴(kuò)增,增強(qiáng)模型提取特征的能力,并且增加魯棒性和泛化性。相應(yīng)的數(shù)據(jù)擴(kuò)增效果展示在圖4。其中a是原蝶竇點(diǎn)云數(shù)據(jù),b是a經(jīng)過平移和縮小(0.5)以后的點(diǎn)云數(shù)據(jù),c是a經(jīng)過平移和旋轉(zhuǎn)(繞著X軸旋轉(zhuǎn)180°,繞著Y軸旋轉(zhuǎn)90°)以后的點(diǎn)云數(shù)據(jù),d是a經(jīng)過平移和放大(1.4)以后的點(diǎn)云數(shù)據(jù)。

      圖4 蝶竇點(diǎn)云數(shù)據(jù)的不同擴(kuò)增方式

      經(jīng)過隨機(jī)數(shù)據(jù)擴(kuò)增以后,蝶竇模型被輸入Point-Net++網(wǎng)絡(luò)進(jìn)行特征提取能力的學(xué)習(xí)。本實(shí)驗(yàn)設(shè)備基于Windows 10平臺,顯卡為NVIDIA GeForce RTX2080,CPU為Intel Core i7-8700。本實(shí)驗(yàn)框架使用了PyTotch 1.2.0深度學(xué)習(xí)框架,采用了VTK 8.1對點(diǎn)云進(jìn)行了轉(zhuǎn)換,利用了PCL 1.9.1對點(diǎn)云進(jìn)行了數(shù)據(jù)預(yù)處理,隨機(jī)數(shù)據(jù)擴(kuò)增采用自己寫的程序,在數(shù)據(jù)輸入階段隨機(jī)增強(qiáng)。

      訓(xùn)練過程Batch Size設(shè)置為12,優(yōu)化算法設(shè)置為Adam,初始學(xué)習(xí)率為0.001,輸入點(diǎn)數(shù)為2048,當(dāng)訓(xùn)練Loss達(dá)到最低的時候停止。學(xué)習(xí)Decay Rate設(shè)置為0.0001,測試集包含20人,共40個蝶竇模型。采用準(zhǔn)確率評價指標(biāo),將數(shù)據(jù)集劃分為基準(zhǔn)集和對比集。每個人兩個模型分別隨機(jī)平均劃入基準(zhǔn)集和對比集,每個基準(zhǔn)集和對比集分別包含20個模型。進(jìn)行測試時,將所有模型通過訓(xùn)練的網(wǎng)絡(luò)進(jìn)行特征抽取,將基準(zhǔn)集中的每一個模型拿出來與對比集中的20個模型分別對比,并進(jìn)行相似度排序,如果對比集中相似度最高的模型與基準(zhǔn)集中的基準(zhǔn)屬于同一個人,則身份認(rèn)定成功,按其相似度排序進(jìn)行準(zhǔn)確率認(rèn)定,排第一其Top1準(zhǔn)確率增加對應(yīng)的數(shù)值,以此類推。

      3 結(jié)果與討論

      100個人的訓(xùn)練集在310epoch時達(dá)到最優(yōu),這時訓(xùn)練的Loss為0.012,訓(xùn)練分類準(zhǔn)確率為89.58%。通過對比其余弦相似度,我們得到20個人的測試集Top1準(zhǔn)確率為100%,Top3準(zhǔn)確率為100%。其特征相似度的heatmap展示如圖5所示。

      圖5右側(cè)是20個人的Heat Map,從左上到右下可以看到一個非常明顯的白色的線。說明在同一個人的時候,其特征相似度是非常高的,具體的數(shù)值可以從左側(cè)的10個人的Heat Map看出,同一個人的相似度基本在97%以上,不同的人相似度卻很低。從圖5可以看出網(wǎng)絡(luò)提取特征的能力非常強(qiáng),不同人之間的特征差異很大。

      圖5 Heat Map

      4 結(jié)語

      本次研究中,盡管測試集上效果很好,達(dá)到了100%,但是這僅僅是在測試集20人上面的相似度,在這真實(shí)世界中,是非常小的數(shù)據(jù)集。所以在實(shí)際應(yīng)用中,該方法的識別率并沒有足夠的參考。但是通過本方法,證明了通過蝶竇進(jìn)行深度學(xué)習(xí)來實(shí)現(xiàn)身份認(rèn)定的可能性??梢灶A(yù)見的是,隨著數(shù)據(jù)量的增大和網(wǎng)絡(luò)模型結(jié)構(gòu)的完善,這一方法肯定具有應(yīng)用價值,可以為法醫(yī)實(shí)踐提供對應(yīng)的思路。

      猜你喜歡
      蝶竇薄層斷層
      右蝶竇脈管瘤一例并文獻(xiàn)復(fù)習(xí)
      維藥芹菜根的薄層鑒別
      孤立性蝶竇病變的鼻內(nèi)鏡手術(shù)治療
      SiN_x:H膜沉積壓強(qiáng)與擴(kuò)散薄層電阻的匹配性研究
      參芪苓口服液的薄層色譜鑒別
      鼻內(nèi)鏡在孤立性蝶竇霉菌病診療中的應(yīng)用
      芪參清幽膠囊的薄層鑒別研究
      斷層破碎帶壓裂注漿加固技術(shù)
      河南科技(2014年18期)2014-02-27 14:14:52
      關(guān)于錨注技術(shù)在煤巷掘進(jìn)過斷層的應(yīng)用思考
      河南科技(2014年7期)2014-02-27 14:11:06
      鼻內(nèi)鏡下經(jīng)上鼻道—篩竇聯(lián)合入路蝶竇開放術(shù)臨床體會
      涿鹿县| 庆阳市| 青阳县| 松滋市| 旺苍县| 罗甸县| 通道| 海林市| 永川市| 屯门区| 来安县| 怀化市| 永寿县| 九龙坡区| 湘乡市| 永福县| 邛崃市| 昆山市| 齐齐哈尔市| 隆安县| 永州市| 衡南县| 高雄县| 拉萨市| 泸定县| 阳西县| 长兴县| 句容市| 绥滨县| 海原县| 什邡市| 西乌珠穆沁旗| 清徐县| 错那县| 武陟县| 吴江市| 竹溪县| 布拖县| 松江区| 沙坪坝区| 礼泉县|