基于多源信息融合的医学图像分割方法

医学图像中各成像方式存在自身缺陷,以单一源数据作为输入进行分割模型的构建与训练易导致病灶的分割准确率不足,因此提出基于多源信息融合的医学图像分割方法,并以乳腺癌微钙化簇病灶诊断中的FFDM与DBT这2类数据源为例,验证方法的有效性.方法利用Yolov4区域候选网络对FFDM数据进行可疑区域筛选;根据同一病人FFDM可疑区域进行DBT图像预处理;以预处理后的DBT图像作为改进U-Net模型的输入实现病灶分割;通过基于序贯相似性判别的断层分割结果融合策略,综合DBT中多断层结果完成病灶最终分割.方法在20例病人的FFDM与DBT数据上得到98.52%的真阳性率、10.45%的假阳性率与94.07%的精度.结果表明,本研究提出的基于多源信息融合的医学图像分割方法,有效利用多源数据优势,最终实现病灶的快速精确分割,可以为医学图像诊疗智能化提供一种全新的解决方案.

物体区域信息引导下的RGB-D场景3D目标检测

针对室内场景RGB-D数据的3D目标检测是图形学与三维视觉中的重要问题。针对RGB-D场景中3D目标检测对复杂背景的适应性较差、目标检测中难以有效利用物体区域信息及场景点云特征信息等缺陷,基于物体区域信息引导,提出一种融合全局和局部点云特征并排除背景干扰的3D目标检测框架。该框架以场景RGB-D数据作为输入,首先提取彩色图像中待检测目标对象2D区域并为对象进行粗分类,再将对象区域二维边界框提升到三维斜锥体区域并转化形成点云数据;然后在斜锥体点云上利用物体区域分类信息进行特征提取,并利用特征变换与最大池聚合操作将点云全局特征和局部特征有效融合;接着利用融合特征以预测各采样点与前景背景相关程度的概率分数,依据此概率分数分割场景前景点与背景点,并通过场景背景点剔除以形成屏蔽性点云;最终在屏蔽性点云中投票产生物体中心点并借助物体区域信息提出建议及3D目标预测,此外,还加入了一个角点损失,对边界框精度进行优化。针对SUN RGB-D数据集进行网络训练,实验结果表明,与传统方法相比,所提框架的目标检测结果准确率得到有效提升,同一评估指标下的点云目标检测准确率达到59.1%,并且在强遮挡或稀疏采样点区域下亦能够精确估计三维物体的边界框。

分布式装配置换流水车间调度问题研究综述

近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。该模式在带来诸多好处的同时,对资源调度提出了新的挑战。针对分布式装配置换流水车间调度问题(distributed assembly permutation flowshop scheduling problem,DAPFSP),介绍了DAPFSP的背景和存在的主要困难,进而对以最小化最大完工时间为优化目标的DAPFSP,从数学模型、编解码策略、全局和局部搜索算法角度进行探讨,分别综述了以最小化总流程时间等为优化目标,具有零等待等约束,以及考虑准备时间等因素的DAPFSP研究成果。最后,对有待进一步开展的研究工作进行展望。

基于邻域点聚合和全连接残差特征的分片隐式曲面学习网络

针对形状全局表面隐式场学习的点云曲面重建中通常缺乏形状表面局部细节的问题,采用基于面片的分片表示并训练三维形状的局部符号距离场,提出一种基于邻域点聚合和全连接残差特征的分片隐式曲面学习网络.以离散点云数据为输入,首先采用最远点采样策略得到表征形状球形面片的初始中心位置和半径;然后分别计算每个面片内各采样点相对面片中心的偏移值,并将其作为采样点的相对位置,其中,处于重叠区域内的面片采样点具有多个相对位置;在神经网络编码器中,利用邻域点聚合模块将各相对坐标编码为256维隐向量,以提取相邻采样点的特征信息,并对每个形状面片中的采样点隐向量进行最大化操作,以表征该面片的隐特征;在神经网络解码器中,利用多层全连接残差特征解码模块进行解码,得到各采样点相对位置的形状符号距离值,而对位于不同面片重叠区域内采样点的符号距离值进行加权求和,得到其相应的符号距离值;最后利用Marching Cube算法提取采样点符号距离值的零等值面,得到三维形状网格模型.在ShapeNet,ABC和Famous这3个数据集上的实验结果表明,所提网络在有效地重建形状整体结构的同时,能很好地保持其形状表面细节;在ShapeNet数据集上,IoU指标为83.9,CD指标为0.032,取得了比DeepSDF、占用网络和卷积占用网络更好的重建结果.

融合形状结构恢复和细节补偿的双分支点云修复网络

针对传统点云修复中难以有效地保持原始形状细节结构信息的问题,提出一种融合形状全局结构恢复和局部细节补偿的双分支点云形状修复网络.网络中的形状全局结构恢复分支为编解码-解码器结构,编码器对缺失点云数据进行特征变换以克服点云形状的旋转不变性,利用最大池化操作解决点云的无序性问题,并通过多层感知器生成原始点云的特征码字,解码器对编码得到的特征码字使用4个二维网格进行2次折叠操作,拟合点云形状得到粗修复结果;为了补偿点云粗修复结果的形状细节信息,网络中的局部细节补偿分支对编码器提取得到的不同维度特征,通过层次特征学习和多层次特征融合学习点云形状的几何结构特征,有效地恢复缺失点云数据并保留原始形状细节信息;最终将经全局结构恢复分支和局部细节补偿分支分别得到的点云数据拼接融合,再进行迭代最远点重采样,得到点云形状精修复结果.实验结果表明,在ShapeNet数据集上,所提网络比已有网络修复结果的平均CD误差和平均EMD误差分别低16%~29%和19%~65%;在ModelNet数据集上,比已有网络修复结果的平均CD误差和平均EMD误差分别低6%~41%和31%~59%;该网络可以修复原始形状的整体结构信息并能有效地恢复其形状细节,生成采样点分布均匀的完整点云模型,且对模型噪声和不同程度的模型缺失均具有鲁棒性.

结合多级注意力和多流图神经网络的多模态会话情绪识别

为了融合多模态信息、解决全局-局部特征建模问题并提高多模态会话情绪识别准确率,提出了结合多级注意力和多流图神经网络的多模态会话情绪识别模型(multimodal conversation emotion recognition combining multilevel attention and multi-stream graph neural networks,MCER-MAMGNN)。设计多级注意力机制提取语境化融合特征,用于增强各模态的表示能力,有效捕捉多模态信息之间的相关性和互补性,并减少噪声干扰;设计多流图神经网络以处理不同模态的信息,通过构建话语的异质性情绪依赖关系来捕捉局部特征,并使用双向Mogrifier LSTM网络捕捉全局特征(语境特征),以此更全面和深入地理解会话中的情绪;设计多流合并分类模块融合各模态流输出,通过自注意力机制进一步提取语境化融合情绪特征。实验结果表明,该模型在IEMOCAP和MOSEI数据集上取得了较好的性能。

基于单通道ECG信号与INFO-ABCLogitBoost模型的睡眠分期

为了减少对传统多导睡眠图(PSG)系统的依赖,基于单通道心电图(ECG)信号,设计了一种简单高效的睡眠分析算法.采用最大重叠离散小波变换(MODWT)对原始信号进行多分辨分析,再进一步提取峰值信息;根据峰值位置的一阶偏差,提取多维度的心率变异性(HRV)特征.为了进一步筛选与不同睡眠阶段具有强关联性的HRV特征,提出基于ReliefF算法与Gini指数的特征提取方法.在此基础上,采用INFO-ABCLogitBoost方法挖掘HRV与不同睡眠阶段之间的关联性,从而实现睡眠阶段的精细分类.在实际公开数据集上的实验结果表明,所提出的模型在睡眠分期任务中,总体精度为83.67%,准确率为82.59%,Kappa系数为77.94%,F1-Score为82.97%.相比于睡眠分期任务中的常规模型,所提方法展现出更加高效便捷的睡眠质量评估性能,有助于实现家庭或移动医疗场景下的睡眠监测.

基于FDC2214的非接触式液位检测系统的设计

为解决有腐蚀性、易气化、易固化等特殊液体液位测量的问题,提出了一种基于FDC2214电容式传感器的非接触式液位测量系统。设计了由STM32F103主控芯片、FDC2214电容传感器等组成的非接触式液位测量硬件系统,通过对电容值变化量与温度的变化曲线进行数据分析,搭建了对应的温度补偿系统。此外,系统采用卡尔曼滤波算法对测量数据进行滤波处理,有效地提高了系统的测量精度和稳定性。实验测试结果表明:液位测量系统对10组不同的液位进行测量,液位计灵敏度为190.5 pF/m;液位测量系统可以在不改变液体容器结构的情况下完成液位测量;卡尔曼滤波算法可以有效提高液位计的测量精度和稳定性。

基于梯度下降算法的无线传感网络节点部署模型研究

针对无线传感网络中节点部署最优化问题,提出一种基于Adam梯度下降算法的优化节点部署模型。首先,引入网络节点感知模型以及离散化区域覆盖计算方法;然后,以部署节点数量最小化为目标函数以及网络覆盖率作为约束条件建立0-1规划模型;最后,基于Adam梯度下降算法对提出的最优化模型进行求解。为验证所提出模型的有效性,对提出的数学模型进行模拟仿真。结果显示:相较于其他经典的节点部署模型,所提模型求得的部署方案在确保覆盖率高于阈值的基础上使得所需节点数量更少且算法收敛速度更快。

基于YOLOv5s与扩展卡尔曼滤波的人体跟踪器设计

YOLOv5s在COCO数据集上的预训练权重可以检测出人体目标,然而对于特殊的人体姿态无法识别。提出了一种基于YOLOv5s与扩展卡尔曼滤波的跟踪器,当YOLOv5s能检测出人体目标时,对扩展卡尔曼滤波进行初始化,当YOLOv5s无法检测时,由扩展卡尔曼滤波进行跟踪,在先验结果创建候选区域,使用差异值哈希匹配出最优候选区域作为观测值,从而更新目标位置,实现人体检测的连续性。实验结果表明,在跟踪精度上所提出的跟踪器与“真实边界框”的重叠率为50.65%,中心位置误差为51.78像素,在实时性上优于KCF和TLD跟踪器,帧率比KCF跟踪器快了26 frame/s。

面向新生入学教育的校园导览游戏设计

入学教育对于新生熟悉校园环境、塑造正确价值观等均有重要作用。以真实校园为原型,设计一款基于角色扮演的校园导览游戏案例,具体从对象、开发、应用等角度论证游戏案例的可行性,采用心流理论与归因理论指导游戏案例的教学组织设计,在虚拟场景中设计“二十四节气”游戏任务驱动用户探索校园并完成入学教育,开发技术方面采用RPG Maker引擎实现游戏程序各项功能内容。该设计可以为课程思政与游戏化教学的融合提供一种借鉴思路。

基于距离度量损失框架的半监督学习方法

为了解决半监督学习方法训练过程中因损失函数类型不同、损失尺度不统一而导致的损失权重难以调节,模型优化方向不统一与泛化能力不足的问题,提出基于距离度量损失框架的半监督学习方法.该方法从距离度量损失的角度出发,提出统一损失框架函数,实现了半监督任务中不同损失函数之间的损失权重调节.针对损失框架中嵌入向量的目标区域问题,引入自适应相似度权重,以避免传统度量学习损失函数优化方向的冲突,提高模型的泛化性能.为了验证方法的有效性,分别采用CNN13网络和ResNet18网络,在CIFAR-10、CIFAR-100、SVHN、STL-10标准图像数据集和医疗肺炎数据集Pneumonia Chest X-ray上,构建半监督学习模型与常用半监督方法进行比较.实验结果表明,在同等标签数目的条件下,提出方法具有最优的分类准确度.

面向恶意节点攻击的车联网节点共识算法

针对车联网节点在共识过程中易受恶意节点攻击,造成区块链共识算法交易吞吐率低、交易时延长等问题,提出一种面向恶意节点攻击的车联网节点共识算法(NCCA)。NCCA将车联网网络划分若干个蜂窝单区域,通过节点的信用值分数确定可信任节点列表,并定期更新验证节点。采用票型权重不同的投票机制计算交易的投票票数,从而选择出需要进行共识的交易集。改进共识过程中区块验证的节点选择,选择高信用值验证节点完成共识。针对恶意节点攻击进行主动检测,提出一种多区域协同检测和单区域内局部检测的恶意节点二轮检测机制,对检测后的节点执行赋权和停权操作。实验结果表明,NCCA能高效检测出恶意节点,并降低性能较差节点和恶意节点对区块共识效率的影响,从而提高交易吞吐量并降低平均交易时延和平均节点通信开销,实现恶意节点攻击下的高效共识。

网络环境下高校研究型教学模式的构建与应用

研究型教学模式强烈冲击着传统的接受式教学模式,因前者更契合后现代主义教学观,更利于培养高素质创新人才。本文通过对研究型教学模式的理念、特性及操作流程的研究和梳理,探寻其教学环节与教学组织的共性流程,构建师生开展研究性教学活动资源汇集和教学运作的公共交互平台,并通过课例应用实验,探索网络环境下研究性教学模式运作的实践方式,推动了高校研究型教学的有效开展。

基于软件模拟的计算机组成原理实验教学研究与实验

本文分析了计算机组成原理实验算术与逻辑运算实验的原理,以面向对象的思想,借助于图形/图像和模拟技术,在计算机上实现软件模拟模型的设计。通过课堂实验验证表明,模拟模型对比TDN-CM+实验箱的操作减少了实验过程的出错率,也提高了有限课堂时间内的实验效果。

基于混合噪声模型的双层管柱电涡流信号去噪算法

针对复杂环境下气田井中双层管柱检测时的电涡流信号噪声去除难问题,提出一种基于混合噪声模型的双层管柱电涡流信号去噪算法(ECSD)。在ECSD中,首先对电涡流信号进行预处理,去除信号中增益。然后分析电涡流信号中包含的偏心噪声、温度噪声、电磁噪声、提离噪声等混合噪声及各自噪声的来源,并根据混合噪声特性建立去噪模型。提出改进的海洋捕食者算法求解去噪模型参数,获得可较好拟合混合噪声的去噪模型,从而实现去除不同深度和温度下电涡流信号中的噪声。实验结果表明:ECSD算法能够拟合电涡流信号中的混合噪声,提高了信噪比,并且降低了去噪信号与纯净信号之间的均方根误差,优于WD、EMD、MF和WF等去噪算法。

基于GAN网络的双层管柱外层套管形变位置检测算法

针对普光气田所使用的双层管柱外层套管存在形变位置难以检测问题,利用电磁探伤仪的电涡流检测信号,提出一种基于GAN网络的双层管柱外层套管形变位置检测算法(DPDA)。在DPDA中,首先对电涡流检测信号进行预处理将其转换为涡流图像,构建包括生成子网络和判别子网络的形变位置检测模型。然后提出权衡重构损失、隐性损失和对抗损失的两个子网络目标函数,并采用爬行动物搜索算法对目标函数的权重系数进行寻优。训练获得形变位置检测模型,并根据形变评分对形变像素进行初步检测。最后根据涡流图像特性,设计形变结果修正方法进行修正,获得形变位置检测结果。实验结果显示:DPDA能准确检测双层管柱外层套管的形变位置,提高检测准确率,降低漏检率和误检率,比自编码器(AE)、金字塔结构网络模型(PSNM)和猫群优化算法(CSOA)更优。

专利视角下长三角高校技术创新策源分析

高校在国家创新战略中发挥着重要的技术创新策源作用。基于专利信息,融合熵值-TOPSIS法,从原始技术创新和技术创新辐射两个维度构建技术创新策源评价指标体系,并针对技术创新生产力、技术创新发展力、技术创新影响力、技术创新联动力4个方向对高校技术创新策源的现状和特征展开研究,对长三角30所高校技术创新策源的现状和特征进行实证分析,以期为高校技术创新策源提升提供借鉴和参考。研究结果表明:上海市和江苏省高校的技术创新策源优于浙江省和安徽省;上海市高校的高价值专利和合作创新专利、江苏省高校和农林类高校的专利转移转化表现优异,但技术创新影响力和技术创新联动力是各高校的核心短板。

新常态背景下高校在线教育的游戏化机制构建

作者从育人、教学、管理角度分别切入,提出一种在线教育的游戏化机制建设思路,即基于“场景—片区—世界”逻辑设计社区一体化平台模型实现育人氛围的常态化,通过需求动机梳理、游戏元素匹配、经验点数体系设计、社群激励框架构建等步骤实现激励常态化,以及通过数据需求分析、数据通用设计、数据驱动应用等环节实现数据驱动优化工作的常态化,从而支撑高校在线教育由新鲜感向新常态转变。

Gerber RS-274X文件的解析及图形绘制技术研究

Gerber文件用于控制PCB生产制造的矢量光绘机设备。当前我国PCB行业中的Gerber文件解析与图形绘制软件都是国外开发的软件产品,存在无预兆“卡脖子”的风险。通过分析RS-274X格式标准,研发自主创新Gerber RS-274X文件的解析及图形绘制技术,实验结果对比国外CAM软件,能够达到一致的文件解析和图形绘制效果,为后续研发自主可控的国产化PCB-CAM软件奠定了技术基础。