动态可控残差卷积神经网络的低剂量CT图像处理

针对计算机断层扫描(Computed Tomography,CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet)算法。DC-ResNet的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加权和,从而实现残差特征的动态可控。所设计的DC-ResNet网络是一种包括两个子网络的组合型结构,一个是作为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量CT图像质量的提高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的学习。通过Mayo与UIH数据实验验证,其视觉结果表明:处理后的不同部位CT图像噪声伪影均能够得到较好的抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的CT图像峰值信噪比(Peak-Signal to Noise Ratio,PSNR)和结构相似性(Structure Similarity,SSIM)均优于对比方法。

工程认证下的人工智能导论课程教学改革

根据工程教育认证人才培养要求,分析当前《人工智能导论》课程的教学过程中存在的问题,对现有课程教学模式和教学方法进行改革与创新是十分必要的。本文从调整与优化课程教学内容、改革与创新现有教学模式和教学方法、重构学生学习过程评价体系、将教学内容融入课程思政教育、加强课程资源建设五个方面探讨了课程教学方法的改革措施。实践结果表明,采用这一系列方案取得了较好的教学效果。

基于飞行时间信息与稀疏正则化的PET图像重建

正电子发射型计算机断层成像(PET)作为一种重要的临床影像技术,其图像重建技术非常重要.本文将γ光子飞行时间信息(TOF)加入到系统响应矩阵并提出基于TOF的图像重建算法.基于压缩感知原理,利用全变差和小波变换对图像进行稀疏化,以它们为正则项构建目标函数;并运用惩罚函数的方法将目标函数求解分解为二次优化和稀疏约束2个子问题,运用交替求解的方法逐一求解,降低了求解的复杂性.采用蒙特卡罗对Derenzo模型进行仿真重建并比较不同算法的成像效果,结果表明,加入TOF信息和利用稀疏约束能够更好地拟制噪声,图像重建效果优于传统算法.文中进一步研究了系统时间分辨率和时间采样间隔对图像重建的影响,结果表明,时间分辨率越高、时间采集间隔越短,重建效果越好.

遗传算法的多参数自适应随机共振低浓度气体检测

传统的随机共振多以单个或某两个参数为优化对象,忽略了多个参数之间的协同关系。针对这一问题,将遗传算法引入到随机共振中,提出一种多参数同步优化的自适应随机共振,并将其应用于低浓度气体检测中。该方法以输出信噪比为适应度函数,利用遗传算法对系统的多个参数进行并行优化,获得最优随机共振系统。基于仿真数据和低浓度氨气检测实验验证了该方法的有效性,实验结果表明,该方法共振现象更明显,并且通过回归分析发现信噪比的最大值与气体浓度之间存在近似线性关系,利用信噪比的最大值可以估计气体浓度。

小波域卷积稀疏编码的低剂量CT图像重建

随着CT成像技术的发展,其射线剂量明显降低,然而实现优质成像依然是低剂量CT研究领域中的重点问题.为实现低剂量CT的优质成像,减缓重建图像中伪影及噪声干扰,提出了一种小波域的卷积稀疏编码CT重建算法.该算法是利用预先构建的滤波器集,对重建图像中的小波域高频子带进行卷积稀疏表示,并引入到低剂量CT重建中以构造目标函数.通过重建图像更新和小波域卷积稀疏编码两个步骤的交替优化,实现重建目标函数的求解.在Shepp-Logan模拟数据、AAPM模拟数据与UIH真实数据上进行实验,并与全变差、字典学习、梯度正则化的卷积稀疏编码等进行对照分析,实验结果表明,所提算法可获得噪声伪影少、结构细节对比度高的重建图.最后,参数分析实验表明所提算法易实施且具有良好的参数稳健性.

物联网工程专业实践教学评价体系研究——以《传感检测与RFID技术》课程为例

该文基于目前实践教学评价体系中存在的问题,从学生的学习、教师的教学和实践教学效果三方面构建了全面科学的物联网工程专业实践教学评价体系。此评价体系以学生为中心,侧重学生工程应用能力的评价,旨在找出物联网工程专业实践教学的薄弱环节,不断提高实践教学质量,培养出符合社会需求的应用型物联网专业人才。

案例教学法在物联网通信技术教学中的应用

《物联网通信技术》课程具有很强的应用性,在新工科的背景下,分析了该门课程在教学中存在的问题,探讨了案例教学法在物联网通信技术课程中的应用。从课程内容、教学方法和考核机制三个方面实施教学改革,激发学生学习的积极性,并且使学生将理论知识应用到解决实际工程项目问题中,提高学生的工程应用能力。

面向专业评估的计算机类专业教学研究

通过研究安徽省普通本科高校计算机类专业综合评价指标体系,以安徽工程大学为例,从专业评估指标体系和专业评估引导专业建设两方面分析了计算机类专业评估的意义,同时在新工科和工程教育认证的背景下,基于学生为中心的人才培养理念,探讨了计算机类专业教学改革的措施。

基于脑电信号频谱分析的疼痛机理研究

疼痛是日常生活中最重要的感觉之一,痛觉本质的研究和机理性研究为疼痛的有效治疗和积极控制提供必要的保证。本文通过在12例志愿者左肩部注射当归注射液和等渗生理盐水,建立一种有效的人体疼痛刺激模式,并借助脑电信号频谱分析,提取了在这两种刺激前后脑电信号的四个频段(δ、θ、α、β)能量百分比特征,研究疼痛对大脑信息的调制作用和中枢机制。研究发现,在疼痛刺激过程中,脑电δ波呈上升趋势,而θ、α、β波呈下降趋势,疼痛对这四个频段的调制区域略有不同,但主要都集中在左额区,左颞区,左中央区,左顶区以及左右枕区,表明这些区域受痛信息调制最显著。

工程教育认证视角下的《软件测试技术》教学研究

"学生为中心、产出为导向和持续改进"工程教育认证理念,为传统的软件测试技术课程教学提供了改革的指导性方向.为此,该文分别从课程定位、理论教学内容、实验教学内容、考核方式四个角度对工程认证教育理念下的软件测试技术课程进行研究,并提出一些改革思路和方法.

联合卷积稀疏编码与梯度L_(0)范数的低剂量CT三维重建

CT扫描中潜在的辐射伤害已越来越受到人们的重视,然而降低扫描剂量会导致成像质量退化,从而影响诊断结果。针对上述问题,提出一种联合卷积稀疏编码与梯度L_(0)范数的三维重建算法。该算法通过频率分解的重建形式对高频成分进行无监督的多尺度在线卷积稀疏编码约束,对低频成分进行梯度L_(0)范数约束,从而实现低剂量CT图像中噪声伪影的抑制与组织细节的保持。此外,卷积稀疏编码中使用三种不同尺度的三维滤波器,可有效适应不同尺度下的特征信息,提高编码能力。腹部CT仿真数据和真实扫描数据的实验结果表明,所提算法在25%常规剂量的重建过程中可以获得噪声伪影少、结构细节对比度高和质量更好的成像效果。

稀疏张量约束的低剂量CT图像重建

提出了一种稀疏张量约束重建算法,该方法利用非局部相似的先验信息,将CT图像分割成一系列图像块组;采用张量的多维低秩分解方法,将这一先验信息引入低剂量CT重建中,构造目标函数;通过重建图像更新和图像块组张量稀疏编码两个步骤,交替迭代求解目标函数。基于仿真数据和临床数据的实验结果验证了该算法的有效性,实验结果表明:与经典重建算法相比,所提算法在抑制噪声的同时,能更好地保持重建图像的细节,获得更高质量的图像。