融合CNN与Transformer的MRI脑肿瘤图像分割

为解决卷积神经网络(convolutional neural network,CNN)在学习全局上下文信息和边缘细节方面受到很大限制的问题,提出一种同时学习局语义信息和局部空间细节的级联神经网络用于脑肿瘤医学图像分割。首先将输入体素分别送入CNN和Transformer分支,在编码阶段结束后,采用一种双分支融合模块将2个分支学习到的特征有效地结合起来以实现全局信息与局部信息的融合。双分支融合模块利用哈达玛积对双分支特征之间的细粒度交互进行建模,同时使用多重注意力机制充分提取特征图通道和空间信息并抑制无效的噪声信息。在BraTS竞赛官网评估了本文方法,在BraTS2019验证集上增强型肿瘤区、全肿瘤区和肿瘤核心区的Dice分数分别为77.92%,89.20%和81.20%。相较于其他先进的三维医学图像分割方法,本文方法表现出了更好的分割性能,为临床医生做出准确的脑肿瘤细胞评估和治疗方案提供了可靠依据。

基于生成对抗网络的图像自增强去雾算法

针对现有去雾模型使用合成有雾图像数据集训练后容易出现过拟合的问题,提出了一种融合生成对抗网络的图像自增强去雾算法。在结合两个生成对抗网络的同时估计图像的深度信息。第一个GAN利用清晰图像学习图像加雾过程,将其生成的有雾图像作为第二个GAN的输入,指导第二个GAN如何正确去雾。为了减少图像处理前后的差异,利用一致性损失函数来优化两个网络。在图像加雾部分添加场景深度估计模块,并对散射因子进行随机采样,实现图像自增强功能,更加真实地模拟现实世界中不同浓度的雾气。该算法无需使用合成有雾图像数据集的成对信息,进一步避免过拟合问题。实验结果表明:所提算法能够取得较好的去雾效果,在主观视觉质量和客观评价指标上均有良好表现,优于同类算法。

利用Transformer的多模态目标跟踪算法

目前目标跟踪方法大多通过融合不同模态信息进行定位决策,存在信息提取不充分、融合方法简单、弱光场景无法准确跟踪目标的问题。为此,提出一种基于Transformer的多模态目标跟踪算法(Trans-RGBT):利用伪孪生网络对可见光图像和红外图像分别进行特征提取,并在特征层面充分融合;将首帧目标信息调制到待跟踪帧的特征向量中,得到一个专用跟踪器;应用Transformer的方法对视野中的目标进行编解码,通过空间位置预测分支预测目标在视野中的空间位置,并结合历史信息滤除干扰目标,得到目标的准确位置;使用矩形框回归网络预测目标的外接矩形框,从而实现目标准确跟踪。在最新的大规模数据集VTUAV、RGBT234上进行了实验,与孪生网络(Siambased)、滤波(filter-based)算法相比,Trans-RGBT精度更高、鲁棒性更好、速度接近实时,达22 FPS。

平罗县沙漠瓜菜产业发展情况及建议分析

平罗县位于黄河以东的毛乌素沙地边缘,具有光照充足、昼夜温差大的自然条件,非常适合沙漠瓜菜的种植。近年来,平罗县陶乐镇依托其独特的资源优势,通过科学规划布局、创新发展模式、强化新技术推广、加大资金扶持等多项措施,大力发展沙漠瓜菜产业。本文从平罗县沙漠瓜菜产业发展现状出发,分析了平罗县沙漠瓜菜产业发展的现状、存在问题,并提出今后平罗县沙漠瓜菜产业发展对策建议。

门控机制的图像分类网络

为了提取更具表达能力和区分度的重点特征,减少网络传递时关键特征的流失,提高神经网络图像分类能力,提出一种新的门控机制图像分类网络(image classification Network of Gating Mechanism,GMNet).首先,使用门控卷积提取浅层特征,通过门控机制选择性地进行卷积操作,提高网络对原始图像关键特征的提取能力;其次,设计了一种插值门控卷积(Interpolation Gated Convolution,IGC)模块,利用Lanczos插值与门控卷积相结合,强化浅层特征的同时提取更具区分度的特征,提高特征的非线性表达能力;然后,设计了大核门控注意力机制(Large kernel Gated Attention Mechanism,LGAM)模块,将大核注意力与门控卷积相融合,实现了特征的选择性增强和选择性融合,提高关键区域特征的贡献度;最后,将大核门控注意力机制模块嵌入到残差分支中,让模型更有效地学习输入数据的特征和上下文信息,减少关键特征在网络信息传递时流失,提高网络的分类能力.本文方法在图像数据集CIFAR-10、CIFAR100、SVHN、Imagenette、Imagewoof上分别达到了97.05%、83.68%、97.68%、90.60%、83.05%的分类准确率,与当前先进的方法相比分别平均提高了3.26%、7.08%、3.44%、2.65%、5.02%.与现有主流网络模型相较,本文门控机制图像分类网络能够增强特征的非线性表达能力,提取更具表达能力和区分度的重点特征,减少关键特征流失,提高关键区域特征的贡献度,有效地提高神经网络图像分类能力.

多尺度特征金字塔融合的街景图像语义分割

针对街景图像语义分割任务中的目标尺寸差异大、多尺度特征难以高效提取的问题,本文提出了一种语义分割网络(LDPANet).首先,将空洞卷积与引入残差学习单元的深度可分离卷积结合,来优化编码器结构,在降低了计算复杂度的同时缓解梯度消失的问题.然后利用层传递的迭代空洞空间金字塔,将自顶向下的特征信息依次融合,提高了上下文信息的有效交互能力;在多尺度特征融合之后引入属性注意力模块,使网络抑制冗余信息,强化重要特征.再者,以通道扩展上采样代替双线插值上采样作为解码器,进一步提升了特征图的分辨率.最后,LDPANet方法在Cityscapes和CamVid数据集上的精度分别达到了91.8%和87.52%,与近几年网络模型相比,本文网络模型可以精确地提取像素的位置信息以及空间维度信息,提高了语义分割的准确率.

基于脉冲神经网络的时空交互图像分类

脉冲神经网络作为人工智能发展的重要方向之一,在神经形态工程和类脑计算领域得到了广泛的关注.为解决脉冲神经网络泛化性差、内存和时间消耗较大等问题,本文提出了一种基于脉冲神经网络的时空交互图像分类方法.首先引入时间有效训练算法弥补梯度下降过程中的动能损失;其次融合空间随时间学习算法,提高网络对信息的高效处理能力;最后添加空间注意力机制,增强网络对空间维度上重要特征的捕捉能力.实验结果表明,改进后的方法在CIFAR10、DVS Gesture、CIFAR10-DVS这3个数据集上的训练内存占用分别减少了46.68%、48.52%、10.46%,训练速度分别提升了2.80倍、1.31倍、2.76倍,在保证精度的情况下,网络性能得到有效提升.

有限训练样本下的多尺度空洞密集网络高光谱影像分类

为了在有限训练样本情况下充分提取高光谱影像的空间光谱特征,提高分类精度,提出一种结合空洞卷积和密集网络的高光谱影像分类方法。首先,构建多尺度空洞特征提取模块,引入不同数量的空洞卷积层和普通卷积层通过级联的方式增大模型的感受野,并提取多尺度特征。然后,在多尺度空洞特征提取模块之间建立密集连接,实现特征复用的同时缓解梯度消失问题,而模块内部无密集连接,避免构建深度网络而导致网络参数过多的问题。最后,将得到的特征依次通过池化层,全连接层和Softmax层完成分类。另外,本文在全连接层后加入dropout正则化防止出现过拟合。在Indian Pines和WHU-Hi-Longkou数据集上与经典分类方法进行对比,本文方法 OA分别为98.75%和98.82%。实验结果表明,本文设计的网络模型在有限训练样本情况下,分类效果最优。

载姜黄素PA6纳米纤维纱线的制备及性能研究

纳米纤维纱线作为一种新兴的纳米材料,不仅具有传统纳米纤维的高比表面积性能优势,而且具有优异的力学和二次加工性能。利用水浴法静电纺纱制备了具有良好取向的载姜黄素纳米纤维纱线,采用扫描电镜(SEM)、体式显微镜、傅里叶变换红外光谱(FTIR)、紫外—可见光(UV-Vis),系统表征和分析了载药纳米纤维纱线的结构性能。结果表明:增加姜黄素的浓度不会影响纳米纤维纱线的粗细,但会影响纳米纤维纱线结构,降低纱线内部孔隙,制得的载药纳米纤维纱线的干强高达10.4 MPa,湿强可达9.7 MPa,在200 h内累计药物释药百分率可达55.67%。

基于光谱信息散度与光谱角匹配的高光谱解混算法

针对采用线性逆卷积(LD)算法进行端元初选过程中,端元子集中存在相似端元光谱,影响解混精度的问题,提出了一种基于光谱信息散度(SID)与光谱角匹配(SAM)算法的端元子集优选光谱解混算法。通过在端元进行二次选择时,采用以光谱信息散度和光谱角(SID-SA)混合法准则作为最相似端元选择的判据,去除相似端元,降低相似端元对解混精度的影响。实验结果表明,基于SID与SAM的高光谱解混算法将重构影像的均方根误差(RMSE)降低到0.010 4,该方法比传统方法提高了端元的选择精度,减少了丰度估计误差,误差分布更加均匀。

基于MPSO算法的云计算资源调度策略

针对云计算服务集群资源调度和负载平衡的优化问题,提出一种基于改进的粒子群优化算法的云计算资源调度策略。将动态多群体协作和变异粒子逆向飞行思想引入到粒子群优化算法中,从而控制全局搜索和局部搜索,尽量避免陷入局部最优。在CloudSim平台进行模拟测试,结果表明,该调度策略有效且执行效率较高。

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题,提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detec tion,LPLCCED).首先利用细胞神经网络(Cell neural network,CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法,将车牌的颜色对约束条件融合到边缘检测算法中,本文专用边缘检测算法可以大大缩小车牌初步定位的范围.接下来提出一种针对车牌特征的边缘滤波算法,最后根据车牌结构和纹理特征对候选区域进行判别验证.该流程的各个环节都可以通过硬件实现,为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.

多尺度特征增强的遥感图像舰船目标检测

针对背景复杂的遥感图像中,舰船方向任意、密集排列造成的漏检问题,基于旋转区域检测网络,提出多尺度特征增强的遥感图像舰船目标检测算法。在特征提取阶段,利用密集连接感受野模块改进特征金字塔网络,选用不同空洞率的卷积获取多尺度感受野特征,增强高层语义信息的表达;为了抑制噪声并突出目标特征,在特征提取后设计基于注意力机制的特征融合结构,根据各层在空间上的权重值融合所有层,得到兼顾语义信息和位置信息的特征层,再对该层特征进行注意力增强,将增强后的特征融入原金字塔特征层;在分类和回归损失基础上,增加注意力损失,优化注意力网络,给予目标位置更多关注。在DOTA遥感数据集上的实验结果表明,该算法平均检测精度可以达到71.61%,优于最新的遥感图像舰船目标检测算法,有效地解决了目标漏检问题。

自体骨软骨移植治疗踝部骨折

[目的]探讨自体骨软骨移植术治疗踝部骨折伴随的距骨骨软骨骨折的临床效果。[方法]18例单侧踝部骨折伴随的Ⅲ、Ⅳ型距骨骨软骨骨折，男10例，女8例，年龄18～49岁，平均33．5岁。骨折区清创后钻孔，自同侧膝关节非负重区钻取骨软骨柱，采取打压固定技术将骨软骨柱植入受区的孔中。观察研究患者踝关节的功能、X线以及MRI表现。[结果]随访平均28（17—40）个月。7例行多柱移植，11例行单柱移植。根据Baird和Jackson踝关节评分系统进行功能评分平均96．3±3．5分，优14例，良3例，可1例，优良率为94．4％；1例患者X线片示踝关节发生创伤性关节炎，发生率为5．6％（1／18），MRI显示发生距骨剥脱性骨软骨炎，占5．6％（1／18）。膝关节无长期供区并发症。[结论]骨软骨移植治疗踝部骨折伴随的Ⅲ、Ⅳ型距骨骨软骨骨折是一种有效的手术方法。

HIPS/PP反应共混物的热性能研究

研究了高抗冲聚苯乙烯（ＨＩＰＳ）／聚丙烯（ＰＰ）在过氧化二异丙苯（ＤＣＰ）存在下熔融反应共混物的热学性能。ＨＩＰＳ在ＤＣＰ存在下以ＰＳ的降解为主，ＰＳ的Ｔｇ明显下降，ＰＰ在ＤＣＰ存在下也以降解为主，ＰＰ的结晶完善性受到破坏，ＨＩＰＳ／ＰＰ共混物在ＤＣＰ存在下以ＰＰ同ＨＩＰＳ的反应接枝为主，分子运动的特征及热性能较前两者发生明显变化，ＰＳ的Ｔｇ略有下降，ＰＰ分子链的规整性降低，结晶熔点降低，完善性变差。

基于单亲遗传算法的拣选作业优化研究

针对自动化立体仓库高存储、高速度、高效率的特点,对拣选作业的运行过程进行分析,建立了相应的拣选作业优化模型,并设计一种高效的单亲遗传算法用于求解。通过仿真验证,结果表明该算法具有很好的全局搜索能力,并能很好地兼顾优化时间和优化效果两个方面,满足实际作业运行要求,适合在实际工程中使用。

基于改进蚁群算法的服务器集群资源调度研究

提出一种基于蚁群算法的服务器集群资源调度算法.该算法引入等待因子的概念,采用等待因子动态选取服务器资源,提高了集群系统的整体性能.仿真实验结果表明,改进的蚁群算法优于其他负载均衡算法,使服务器集群系统负载更加均衡,整个集群系统的资源得到了充分的利用.

马尾综合征影响治疗效果因素的研究

目的 :对 14例患有马尾综合征 (CES)患者的发病原因、病变节段及症状的发生情况 ,进行手术的时间以及治疗效果进行了回顾性研究 ,以确定哪些因素影响最终治疗效果。方法 :我院从 1991～ 1997年收治了 14例马尾综合征患者 ,进行了全椎板切除双侧减压术 ,随访 2 2～ 48个月 ,平均 35个月。采用Logistical回归分析进行统计学处理。结果 :14例患者中 11例 ,减压术后 2年得到了满意的效果 ,3例残留功能障碍。结论 :主要是减压手术时间 ,是否存在完全的会阴区麻木和括约肌的严重功能紊乱以及发病急和腰腿痛严重影响总体治疗效果 。

基于双重优化的卷积神经网络图像识别算法

为了进一步提高卷积神经网络算法的收敛速度和识别精度,提出基于双重优化的卷积神经网络图像识别算法.在构建卷积神经网络的过程中,针对特征提取和回归分类建立双重优化模型,实现对卷积与全连接过程的集成优化,并与局部优化算法对比,分析各算法的识别率和收敛速度的差异.在手写数字集和人脸数据集上的实验表明,双重优化模型可以在较大程度上提高卷积神经网络的收敛速度和识别精度,并且这种优化策略可以进一步拓展到其它与卷积神经网络相关的深度学习算法中.

HIPS-g-GMA相容剂对PC/HIPS共混物相容性的影响

The compatibitily and morphology of HIPS/PC and HIPS g GMA/PC blends were studied.The compatibility and morphology of HIPS/PC blends were characterized by DSC and SEM,respectively.The result of DSC shows that T g of PS doesn’t change with the blend composition,and T g of PC decreases with the increase in weight fraction of HIPS,which indicates that the PC/HIPS blend is a partially miscible system.Results of SEM indicate that the decrease in T g of PC results from PS interpenetrating into the phase of PC,and no change in T g of PS results from PC not interpenetrating into the phase of PS.The copolymer of HIPS g GMA was prepared by reactive grafting method.The IR spectrum shows that GMA is grafted on the chain of HIPS.The compatibility and morphology of HIPS g GMA(35)/PC(65) were studied by DSC and SEM.PC(65)/HIPS g GMA(35) blend exhibits reduced size of disperse phase,enhanced interface adhesion and lower T g of PC phase as compared with the PC(65)/HIPS(35) blend.It implies that HIPS g GMA is an effective compatibilizer of the HIPS/PC blend.