基于层级化注意力融合的航拍图像电力线分割模型

电力线自动分割是保证智能检测平台安全运行的重要前提。然而,电力线分割是复杂背景、多种气候环境下的小目标分割问题,极易出现误检、漏检问题。为了提高电力线分割的鲁棒性与准确性,结合编码器-解码器框架,提出了一种基于层级化注意力融合的端到端分割模型。该模型提出一种降维残差卷积单元,增加网络深度的同时大幅度减少网络参数,更易部署于嵌入式设备。为了使模型捕捉到全局信息并强调电力线的目标区域,设计了链式层级化注意力融合模块进行多尺度特征融合,以解决类别不均衡问题。为了提高模型对电力线特有的直线先验特征的关注,提出了直线先验损失函数,并与Focal、Dice损失函数组合成联合损失函数,进一步提高了电力线分割准确度。实验结果表明,所提模型网络深度增加为基础网络的2.8倍左右,而参数量仅为原来的1/3左右。针对常规天气和雾天环境下的航拍图像均能实现电力线的鲁棒分割。所提出模型能应用于电力巡检领域,使巡检更加智能与高效。

基于K-SVD的医学图像特征提取和融合

医学图像融合能够综合两种不同模态图像的信息,从而帮助医生做出准确的诊断和治疗.利用稀疏表示进行图像的特征提取和融合.首先由原始图像组成联合矩阵,通过K-SVD算法得出这个联合矩阵的冗余字典并求出联合矩阵的稀疏编码;然后将稀疏系数作为图像特征,并采用最大化选择算法合并相对应图像块的稀疏编码;最后通过稀疏编码和冗余字典得到融合图像.与3种流行的融合算法比较,结果表明所提算法在无噪声和有噪声的情况下都具有很好的性能.

基于Piella指数优化的CT和MR图像融合

目的实现CT与MR图像融合,帮助医生做出准确的诊断和治疗。方法将Piella指数最大化作为图像融合目标,通过滑动窗对配准后的原始图像分块,将每一个图像块字典编纂为列向量;通过优化算法更新图像块加权向量,使Piella指数最大;根据加权向量合并相对应的图像块,并整理得到融合图像。结果仿真实验对20组CT和MR图像进行融合处理,将本文算法与3种流行融合算法比较,给出量化评价指标,表明本文算法性能优越。结论该算法为多模态医学图像融合提供了一种新的有效手段。

压缩传感条件下红外和可见光图像融合技术的研究

为了提高夜间对目标的识别能力,红外和可见光图像融合技术被广泛应用到夜视系统中。使用压缩传感技术可以通过获取信号的少量线性投影来保留信号的完整信息,解决红外成像中红外探测器件与图像分辨率之间的矛盾。以压缩传感测量值作为图像内容特征,直接进行图像融合,可以减少重构误差和计算量。因此本文提出一种压缩传感条件下的红外和可见光图像融合算法。首先,本文算法同时考虑融合图像和原始图像的相似度和对原始图像特征的保留程度,提出一个新颖的代价函数。然后,采用L1范数优化求解该代价函数,得到融合图像对应的稀疏系数。最后,利用字典和该稀疏系数重构为融合图像。通过和几种压缩传感条件下的融合算法比较,可以看出本文算法在主观视觉效果和客观评价方面均具有显著优势。该算法为压缩传感条件下的图像融合提供一种新的有效手段。

稀疏表达的自适应遥感图像融合算法

本文提出一种基于稀疏表达的图像融合算法。该算法利用稀疏系数中的非零元素所对应的基向量作为图像特征,首先分离相同基向量和相异基向量,然后采用加权求和算法合并相对应的稀疏系数,并重构得到融合图像。该算法对相同特征和相异特征分别进行融合,克服了融合图像中相异特征清晰度下降的问题。并且由于稀疏表达具有很好的去噪功能,本文算法也可以同时进行图像融合和去噪。通过与4种流行的融合算法比较,本文算法得到较好的视觉效果。

联合稀疏表示的双次诱发电位提取算法

诱发电位少次提取对于研究大脑活动规律以及临床诊断等具有重要意义.根据脑电信号的特点,本文提出一种基于联合稀疏表示的双次诱发电位信号估计算法.利用诱发电位信号的准周期性和自发脑电信号的随机性,该算法将脑电信号看作为相似成分和相异成分的叠加.神经系统通过相同刺激产生的诱发电位主要在潜伏期和波幅两方面发生变化,因此该算法利用平均诱发电位进行建模,得到稀疏字典,通过联合稀疏表示算法实现双次诱发电位信号的提取.实验结果表明,该算法和其他算法相比获得了更好的效果.

江苏省高校科研绩效评价及影响因素分析——基于AHP和GA-BP神经网络分析法

高校是国家创新体系的重要组成部分,随着创新型国家建设的不断深入,科学评估高校科研绩效并积极探索其影响因素,对加快建设创新型国家具有重要意义。文章基于“投入-产出”理论构建了高校绩效评价指标体系,采用AHP和GA-BP神经网络分析法对江苏省4种不同类型高校科研绩效及其影响因素进行分析。结果显示:样本高校综合科研绩效整体呈上升趋势,其中产业发展产出绩效增幅较为显著;各类型高校间科研绩效呈明显阶梯状特征且两极分化严重;不同类型高校科研绩效的决定性影响因素不同。基于此,文章从深化科研评价和坚持错位发展战略两个层面提出对策建议。

基于稀疏表示和外输入自回归模型的单次诱发电位提取方法

由于诱发电位信号的信噪比很小,因此诱发电位的单次提取一直是脑电信号处理领域的难题之一。稀疏表示在信号去噪方面是一个强大的工具,并且诱发电位已被证明在合适的稀疏字典上具有很强的稀疏性。本文提出了一种基于稀疏表示和外输入自回归模型的单次诱发电位提取算法。其中,诱发脑电信号提取的过程分为三个阶段。首先,该算法应用参考信号估计自发脑电的自回归模型参数;其次,在自回归移动平均模型中,应用稀疏表示替代移动平均模型对诱发电位进行建模;最后,利用稀疏系数和自回归模型参数重构诱发电位。通过仿真脑电信号和真实诱发电位信号进行实验验证,结果表明该算法具有较好的效果,与MOSCA和ARX方法相比,本文算法能够在低信噪比情况下进行潜伏期和幅度的估计。

翻转式学习法在科技英语课堂上的应用

科技英语课是大学的必修课,通过本门课程的学习同学们可以更好的研究英文论文,发表英文论文和报告,和世界的同行交流。但是由于目前英语课程教学方法的简单枯燥,使得同学们对这门课程的兴趣不大,严重影响了教学效果。本文提出用翻转式教学方法改变现有的科技英语教学方法,激发同学们的学习兴趣与热情,变被动为主动,提高教学质量。翻转教学法还在探索阶段,还有很多问题有待深入研究,因此本文将从翻转式教学法的理论依据,课前的准备方法,课堂上的考核方法,实施效果等几个方面进行研究探讨,提出具体方案及现存问题的解决方法。

论实践对工科专业外语教学的积极作用

针对工科专业外语教学,本文从开课时间、师资力量、教学方法三个方面对教学中存在的问题进行了详细的分析,结合笔者多年的教学经验,提出将实践引入到专业外语教学中,从多个方面使学生感受到本课程的趣味性和对重要性,激发学生的学习兴趣,提高教学质量。

字典训练结合形态分量分析的诱发电位少次提取方法

诱发电位的少次提取对于研究大脑活动规律以及临床诊断等均有重要意义。根据诱发电位与自发脑电信号的不同特点,本文提出一种基于形态分量分析的诱发电位少次提取方法,在不同的过完备字典上对诱发电位与自发脑电信号进行稀疏表示。为了改善在稀疏表示过程中的错误分解问题,提出使用几次带噪观测信号的叠加平均结果作为模板信号,并使用K-SVD算法训练得到合适的过完备字典,再对当前观测信号进行混合稀疏表示。实验结果表明,该方法能够有效地降低由通用过完备字典进行稀疏表示时的错分程度,较好地实现对诱发电位信号的提取。

基于气象因子的增氧机预测控制研究

针对水产养殖中普遍存在增氧机控制滞后的问题,本文介绍了一种基于气象因子的增氧机预测控制的方法和装置,该装置包括太阳能板、温湿度传感器、主控制器和交流接触器等部件。其工作原理为主控制器定时采集空气湿度和电池电压等反映气象条件的参数,然后利用多元回归的方法预测出1 h后溶解氧数值,最后根据溶解氧预测值控制增氧机的起动、停止。通过现场试验证明,该预测方法的回归系数高达0.996,预测效果良好。基于气象因子的增氧机预测控制是一种简单实用的控制方法,对于水产养殖业具有一定的指导意义。

基于多尺度层级化注意力模型的脑血肿分割算法

目的针对脑组织结构影像研究可准确、稳定识别和分割出潜在脑血肿图像的自动分割算法。方法提出了一种多尺度层级化注意力U型网络(MHA-Unet),嵌入空间金字塔池化层级化注意力(SPP-HA)模块。采用来自452例患者的大脑CT图像数据集,其中训练数据集7727张,测试数据集496张,分别用于网络训练、验证和测试。此外,从测试数据集中挑选出4种不同血肿位置和形状的图像进行分割评估,通过比较MHA-Unet与Segnet、FCN、Unet的图像分割性能,验证提出模型的分割精度和稳定性。结果 MHA-Unet模型性能优于其他3种分割方法。针对3种评价指标,分别取得了Dice系数85.8%,Jaccard系数77.9%和Sensitivity系数84.4%的最高实验精度,MHA-Unet相对于U-net,Dice提高了1.1%,Jaccard提高了0.6%,Sensitivity提高了1.3%。结论提出的模型算法能有效分割出脑出血血肿区域,但是针对不同来源的脑出血数据集,模型的泛化性能有待进一步验证。

基于翻转式学习法的工科专业英语教学研究

工科是学科门类中包含专业最多的学科之一,工科专业英语是本科教学中重要的一门课程。专业英语的学习有利于学生更好的了解本专业的发展,了解世界前沿学者的思想,为更好的理解和学习本专业知识做铺垫。但历年教学过程中学生反馈,专业英语学习过程枯燥,学生学习目的也局限于课程考核合格。针对以上问题,本文将翻转式学习方法应用到工科专业英语教学中,分别从课程形式、考核方法两个方面对工科专业英语教学进行研究,让学生对专业英语学习兴趣,从而提高学生的专业英语水平。

基于自注意力机制的脑血肿分割和出血量测量算法

出血量是脑出血疾病分级、治疗方案确定和预后判断的重要指标。但由于大脑结构的复杂性、血肿形态和位置的多样性,在CT影像中准确可靠地分割血肿和测量出血量极为困难。本文提出一种基于自注意力机制深度学习网络的脑血肿分割和出血量测量算法。首先,为克服大脑结构的复杂性,弥补卷积模块只能进行线性运算和提取局部特征的缺点,在分割网络编码器末端引入自注意力模块,通过高阶运算,提取图像全域的特征关联特性,从全局角度提取血肿;然后引入通道和空间注意力模块,通过训练学习得到各个通道和特征区域上的权重,通过该权重突出有用信息,抑制无用信息;最后,根据脑出血患者多层CT影像切片的血肿分割结果,计算出血量。在真实脑出血CT影像数据集上的实验结果表明,本文算法在多种情况下的脑血肿分割和出血量测量上均取得了较好的效果,即使在形状不规则或贴近颅骨的情况下,本文算法仍然较为有效。

基于多尺寸卷积与残差单元的快速收敛GAN胸部X射线图像数据增强

针对深度学习中数据增强的方法,改进生成式对抗网络(GAN,Generative adversarial networks)模型,形成一种快速收敛生成式对抗网络,能够克服GAN训练过程不稳定、收敛速度缓慢容易发生模式崩溃等问题。采用在判别器中使用多尺寸卷积,加强判别器的特征提取能力;在生成器中添加残差单元的方法,使得生成器可以快速拟合真实数据的分布;同时对判别器进行预训练的策略,有利于提高生成器前期训练稳定性和加快训练过程。运用CIFAR-10标准数据集进行实验,与几种基于GAN的模型对比,证实本文的改进算法效果较好,图像质量和多样性更优。利用本文提出的改进算法用于美国NIH临床数据库的胸部X射线数据集,生成扩充样本,经图灵测试证实了算法的有效性。

深度学习表达的图像特征训练与融合算法

图像的融合可以展示不同状态下拍摄出的照片的形态,综合它们各自的信息得到一幅信息量丰富的图像.利用深度学习的方法可对图像进行特征的提取与融合.首先将几幅原始图像采用滑动窗技术进行分块,然后再组合形成联合矩阵,用深度学习的一种稀疏自编码器模型训练出权值矩阵和参数矩阵,通过反馈对参数进行微调,从而得到几幅原始图像对应的特征,最后采用最大化选择的方法融合原始图像.实验结果表明,本文算法具有良好的融合效果.

基于SPSO与ISKPCA的RdR散点图识别分类研究

面对稀缺的医疗资源,心血管疾病的上升趋势,自动化诊断日趋迫切。为实现心电自动化诊断,提出了一种使用简化粒子群算法来自动搜寻集成稀疏核主分量分析的参数,并以此获得的集成稀疏核主分量分析模型来对用心电数据绘制的RdR散点图进行识别分类的方法,以期实现心电自动化诊断。算法通过计算样本数据与使用核主分量分析映射数据之间的距离差值来研究数据之间的最大相似性,并以此来判断样本数据类别,在对正常窦性心律、非偶联早搏、二联律早搏、三联律早搏以及混合早搏这五种心律进行的分类实验结果显示,可以准确识别不同的心律,分类的正确率较高,有助于心电自动化诊断的实现。

基于深度学习联合分割模型对扩张型心肌病心肌纤维化的定量分析

目的探讨基于深度学习的心肌-纤维化区域联合分割模型对扩张型心肌病(DCM)患者心肌纤维化定量分析的效果。方法回顾性分析徐州市中心医院2015年1月至2022年4月确诊为DCM,并接受心脏MR-钆延迟强化检查显示左心室心肌纤维化的200例患者资料,分为训练集120例、验证集30例、测试集50例。由影像科医师勾勒左心室心肌轮廓和选取正常心肌区域,应用标准差法(SD)计算阈值提取纤维化心肌,作为左心室分割和纤维化量化的参考标准。通过凸形先验的U-Net网络分割左心室心肌,然后应用VGG图像分类网络识别正常心肌图像块,计算SD阈值提取纤维化心肌。采用精确度、召回率、交并比和Dice系数评价心肌分割效果。采用组内相关系数(ICC)评价深度学习联合分割模型与手动提取测得的左心室心肌纤维化比率的一致性。根据纤维化比率中位数,将测试集样本分为轻度组和重度组,通过Mann-Whitney U检验比较纤维化量化效果差异。结果在测试集中,心肌分割精确度为0.827(0.799,0.854),召回率为0.849(0.822,0.876),交并比为0.788(0.760,0.816),Dice系数为0.832(0.807,0.857)。联合分割模型与手动提取的纤维化比率的一致性高(ICC=0.991,P<0.001)。轻度和重度纤维化比率的误差率差异无统计学意义(P>0.05)。结论该联合分割模型实现了左心室心肌纤维化比率的自动计算,与医师手动提取结果一致性高,能够较为精准地实现DCM患者的心肌纤维化自动定量分析。

论工科高校教师教学与科研能力的相互关系

从威廉·冯·洪堡提出"教学与科研相统一"理论起,科研和教学成为很多大学的两大主要任务。在此基础上,对高校教师提出了教学和科研能力的双重要求。而工科高校同时承担着先进的科学技术研究和培养适应经济社会发展需求的实践创新型人才两大功能,因此对教师的能力提出了更高的要求。本文在深入分析工科高校教师职能基础上,对青年教师教学与科研能力的关系进行了研究,以探索出一条教学与科研能力相互促进发展的新途径。