12、冰晶体分割与鼻腔解剖结构模拟：技术应用与成果

冰晶体分割与鼻腔解剖结构模拟：技术应用与成果

冰晶体分割研究

在冰晶体分割过程中，为避免常见困难，在图像分割前可采用以下方法：
- 图像旋转
- 裁剪图像部分
- 缩放图像
- 改变图像对比度

为评估所获神经网络的性能，使用了交并比（IoU）指标，公式如下：
[IoU = \frac{y_{true} \cap y_{pred}}{y_{true} \cup y_{pred}}]

为验证概念，使用U - Net神经网络对冰晶体在等温退火过程中的低温显微镜图像进行训练，其中训练集有100张图像，测试集有30张图像。训练样本的平均IoU为94%，但测试样本的平均IoU仅为72%。

训练过程中，图像的处理在原始图像和标注图像对上采用相同的变换参数。随着训练迭代次数从24次增加到45次，分割精度显著提高。每次训练时，会对一系列图像进行增强，以增加训练样本的大小，同时使用随机梯度下降法优化神经网络参数，采用二元交叉熵作为损失函数，整个训练阶段约耗时5小时。

从测试图像来看，初始阶段冰晶体尺寸非常小，这给网络训练和图像分割带来了困难。为解决这一问题，需要提供手动标注的训练数据集。通过应用掩码排除测试图像中的气泡等不需要的对象，分割结果得到了明显改善。

以下是冰晶体分割实验的流程：

graph LR
    A[图像预处理] --> B[图像增强]
    B --> C[训练U - Net网络]
    C --> D[模型评估（IoU计算）]
    D --> E[结果分析