基于远程医疗的视频通信系统

对基于互联网的点对点视频通信系统做了深入的研究 ,进行了实际应用系统设计。并按照ITU_TH.263协议及相关标准实现了基于低比特流的视频数据压缩编码技术。

基于多小波分析的超声斑纹噪声抑制方法研究

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好特性要求,而标量小波不能同时达到这些要求.提出了一种新的基于多小波、多分辨率分析抑制超声斑纹噪声的理论和方法,通过评价两种多小波的分解与重构,得到了两种可以分别适用于这两类多小波的最佳预处理方法,给出了多小波变换的解析表达式.在二维图像阵列的应用方面,通过采用局部方差作为阈值,对超声斑纹图像进行阈值化去噪处理的实验结果表明,多小波变换在有效抑制斑纹噪声的同时,相对于其他方法还能更好地保留原图像的边界等重要特征信息.

基于红外传输的扭矩测试系统

提出一种对旋转轴扭矩测试的红外近程遥测法。在此基础上 ,设计了红外近程遥测系统 ,它具有微型化、微功耗的特点 。

有限衍射超声三维成像及其表面重建方法

为了正确快速地进行超声三维图像重建 ,讨论了有限衍射波束三维脉冲回波成像新方法 ,即使用有限衍射阵列声束一次发射成像 ,不仅成像区域声束不会发生扩散 ,而且可得到高信噪比、高帧率的超声三维图像。针对成像后由获取的数据归一化形成的空间散乱数据场 ,提出了一种新的插值三维重建算法 ,该算法从散乱数据场中自动提取边界 ,首先构造出一个辅助曲面 ,然后通过一种特殊的Hermite插值 ,在数据点的矩形作用域集合内 ,对辅助曲面进行变形 ,进而得到最终的插值曲面。实验结果表明 ,由于该算法无须三角剖分 ,因而计算速度快 。

甲状腺微小乳头状癌临床病理分析

目的探讨甲状腺微小乳头状癌的临床病理特点、诊断要点及治疗。方法回顾性分析我院1996至2006年手术切除甲状腺标本1321例,常规病理检查筛选出微小乳头状癌,光镜观察其形态特点,并用免疫组化SP法检测CK19的表达情况。结果1321例中检出微小乳头状癌29例,组织学表现为:有纤维血管轴心的复杂分支乳头状结构及毛玻璃样核、核沟及核内假包涵体。免疫组化标记29例CK19均阳性。结论甲状腺微小乳头状癌是乳头状癌的1个亚型,临床易漏诊,准确的病理诊断有助于临床正确治疗。

益肾活钙治疗骨质疏松并存增生症360例的临床观察

益肾活钙治疗骨质疏松并存增生症３６０例的临床观察刘立庄，张翠珍，孔繁林骨质疏松，骨质增生并存是中老年人的常见病，多发病。作者经十余年的临床研究，在秘方的基础上，根据现代科学理论，运用中医肾主骨，西医补钙的理论研制的益肾活钙，经３６０例的临床观察，疗效...

一种高速数据采集系统的实现

本文针对高频信号数据采集提供一种系统实现方法,适合于多种情形的高频信号测试,具有设计方便、可靠性高等特点。

乳腺癌p16基因甲基化和蛋白表达的检测及其临床意义

目的:探讨p16基因在乳腺癌中甲基化状态、表达情况及其与临床的关系。方法:应用甲基化特异性的聚合酶链反应(m ethyl-ation spec ific PCR,MSP)检测48例乳腺癌中p16基因甲基化状态,应用免疫组化检测p16基因的蛋白表达情况。结果:p16基因在乳腺癌中甲基化率为27.1%(13/48),有淋巴结及远处转移的甲基化率(52.6%,10/19)高于无转移的甲基化率(10.3%,3/29)(P<0.05);13例甲基化病例中P16蛋白失表达率(76.9%,10/13)高于非甲基化病例(8.6%,3/35)(P<0.05)。结论:p16基因高甲基化是乳腺癌中常见的分子生物学改变之一,p16基因高甲基化和乳腺癌浸润及转移有相关性;P16蛋白表达和其高甲基化呈负相关,甲基化是p16抑癌基因失活的主要方式之一。

“四阶段法”预测沈哈客运专线运量参数取值探讨

采用"四阶段法"进行各种交通方式运量预测工作的关键在于对各种参数值的预测,这需要进行深入细致的定性分析和定量分析。在沈哈客运专线运量预测研究工作过程中,对所建模型参数的取值进行较为深入的研究,取得一定程度的认识,并在此基础上进行新建客运专线等交通方式客运量的预测,取得了良好的效果,可对今后新建铁路客运量预测提供理论支持。

基于L1-BRD的视频图像车牌识别

针对实时视频的车牌识别系统应用,利用车牌的边缘特征和形态学操作对车牌进行粗定位,通过支持向量机(SVM)结合方向梯度直方图特征(HOG)方法对粗定位车牌进行鉴别真伪。在对字符进行分割后,取连续多帧车牌,对字符特征利用L1-BRD(L1-norm Bin Ratio-Based Histogram Distance)自适应计算融合权重,使L1-BRD能够从图像间特征相似度评估扩展到实时视频中。把L1-BRD用于车牌字符识别,可以降低单帧图像中噪声及字符分割误差产生的影响,有助于后期基于多帧加权直方图特征进行字符识别,提高车牌字符识别的准确性和稳定性,并保证了实时性。

结合卷积神经网络与图卷积网络的乳腺癌病理图像分类研究

目的乳腺癌的精确诊断对于后续治疗具有重要临床意义,组织病理学分析是肿瘤诊断的金标准。卷积神经网络(convolution neural network,CNN)具有良好的局部特征提取能力,但无法有效捕捉细胞组织间的空间关系。为了有效利用这种空间关系,本文提出一种新的结合CNN与图卷积网络(graph convolution network,GCN)的病理图像分类框架,应用于乳腺癌病理图像的辅助诊断。方法首先对病理图像进行卷积及下采样得到一组特征图,然后将特征图上每个像素位置的特征向量表示为1个节点,构建具有空间结构的图,并通过GCN学习图中蕴含的空间结构特征。最后,将基于GCN的空间结构特征与基于CNN的全局特征融合,并同时对整个网络进行优化,实现基于融合特征的病理图像分类。结果本研究在提出框架下进行了3种GCN的比较,其中CNN-sGCN-fusion算法在2015生物成像挑战赛乳腺组织学数据集上获得93.53%±1.80%的准确率,在Databiox乳腺数据集上获得78.47%±5.33%的准确率。结论与传统基于CNN的病理图像分类算法相比,本文提出的结合CNN与GCN的算法有效融合了病理图像的全局特征与空间结构特征,从而提升了分类性能,具有潜在的应用可行性。

一种基于SVM的改进视频图像偏色检测算法

针对视频图像获取过程中产生的偏色现象,提出了一种基于SVM的改进视频偏色检测算法。选取了图像Lab域的8个特征作为SVM训练和学习的输入特征,得到的SVM分类器可以实现偏色图像的检测。实验结果表明,该算法有较高的准确性。

DCN:双通道密集哈达玛卷积的画质评价网络

随着人类对高质量图像的需求日益紧迫,客观画质评价(image quality assessment,IQA)的研究日趋重要,其中的无参考真实失真评估,面临失真的复杂性和内容多样性的巨大挑战。为了获取更加准确有效的质量特征,提出了一种双通道密集哈达玛卷积的画质评价网络(dual-channel network,DCN),其以深度卷积模型Inception-ResNet-v2为骨干网络提取特征,将设计的双通道融合网络为分数评估网络,最后映射到客观质量分数。分数评估网络由卷积特征提取分支和多层感知机分支并联组成,将提出的密集哈达玛卷积模块(dense Hadamard product module,DHPM)应用到多层感知机分支中,通过哈达玛乘积将低层特征与高层特征融合,发挥特征自适应和高级表达的作用。在公开数据集KonIQ-10k上的实验结果表明,该网络测试的斯皮尔曼秩相关系数(spearman rankorder correlation coefficient,SROCC)为0.922,皮尔森线性相关系数(Pearson linear correlation coefficient,PLCC)达到0.938。

A STUDY OF HIGH FRAME RATE ULTRASONIC IMAGING WITH LIMITED DIFFRACTION BEAMS

Objective To investigate a new class of solutions to the isotropic/homogeneous scalar wave equation, which termed limited diffraction beams and realize ultrasonic 3D imaging. Methods Limited diffraction beams were derived. We performed the study of 3D pulse echo imaging with limited diffraction array beam. To obtain high frame rate images, a single plane wave pulse (broadband) was transmitted with the arrays. Echoes received with the same arrays were processed with Fourier method to construct 3D images. Results Compared with traditional pulse echo imaging, this method has a larger depth of field, high frame rate, and high signal to noise ratio. Conclusion The new method has prospect of high frame rate 3D imaging. In addition, the imaging system based this method is easily implemented and has high quality image.

基于自步学习的多经验核映射集成分类器在乳腺癌超声计算机辅助诊断上的应用

特征表达和分类器的性能是决定计算机辅助诊断(CAD)系统性能的重要因素。为了提升基于超声成像的乳腺癌CAD系统的性能,本文提出了一种基于自步学习(SPL)的多经验核映射(MEKM)排他性正则化机(ERM)集成分类器算法,能同时提升特征表达和分类器模型的性能。该算法首先通过MEKM映射得到多组特征,以增强特征表达能力,并嵌入到ERM作为多个支持向量机的核变换;然后采用SPL策略自适应地选择样本,由易到难地逐步训练ERM集成分类器模型,从而提升分类器的性能。该算法分别在乳腺癌B型超声数据库和弹性超声数据库上进行了验证,结果显示B型超声的分类准确率、敏感度和特异性分别为(86.36±6.45)%、(88.15±7.12)%和(84.52±9.38)%,而弹性超声的分类准确率、敏感度和特异性分别为(85.97±3.75)%、(85.93±6.09)%和(86.03±5.88)%。实验结果表明,本文所提出算法能有效提升乳腺超声CAD的性能,具有投入实用的潜能。